主页
返回索引
+
点赞
0
Awesome RL with Human Feedback / 2023 / arXiv
Aligning Language Models with Offline Reinforcement Learning from Human Feedback
作者:
Jian Hu, Li Tao, June Yang, Chandler Zhou ·
来源:
arXiv ·
发布日期:
2023
偏好学习
对齐目标设计
策略优化
离线人类反馈强化学习
人类反馈设计
新标签打开 AlphaXiv
AlphaXiv 中文概览(可滚动查看)