Awesome RL with Human Feedback / 2023 / arXiv

Let's Reinforce Step by Step

作者：Sarah Pan, Vladislav Lialin, Sherin Muckatira, Anna Rumshisky · 单位：Phillips Academy, University of Massachusetts Lowell · 来源：arXiv · 发布日期：2023

策略优化策略梯度人类反馈强化学习信用分配/密集奖励
新标签打开 AlphaXiv
Let's Reinforce Step by Step figure
AlphaXiv 中文概览（可滚动查看）