主页
返回索引
+
点赞
0
Awesome RL with Human Feedback / 2024 / arXiv
Zeroth-Order Policy Gradient for Reinforcement Learning from Human Feedback without Reward Inference
作者:
Qining Zhang, Lei Ying ·
单位:
University of Michigan, Ann Arbor ·
来源:
arXiv ·
发布日期:
2024
奖励建模
偏好学习
策略优化
无奖励对齐
策略梯度人类反馈强化学习
新标签打开 AlphaXiv
AlphaXiv 中文概览(可滚动查看)