Awesome RL with Human Feedback / 2024 / PMLR

Principled Penalty-based Methods for Bilevel Reinforcement Learning and RLHF

作者：Han Shen, Zhuoran Yang, Tianyi Chen · 来源：PMLR · 发布日期：2024

策略优化理论/遗憾界
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）