Awesome RL with Human Feedback / 2024 / PMLR

A Minimaximalist Approach to Reinforcement Learning from Human Feedback

作者：Gokul Swamy, Christoph Dann, Rahul Kidambi, Steven Wu, Alekh Agarwal · 来源：PMLR · 发布日期：2024

偏好学习策略优化人类反馈设计博弈/纳什
新标签打开 PDF
未获取到公开可用关键图
在线论文 PDF（可滚动查看）