主页
返回索引
+
点赞
0
Awesome RL with Human Feedback / 2025 / arXiv
Differential Information: An Information-Theoretic Perspective on Preference Optimization
作者:
Yunjae Won, Hyunji Lee, Hyeonbin Hwang, Minjoon Seo ·
来源:
arXiv ·
发布日期:
2025
奖励建模
偏好学习
策略优化
数据筛选
理论/遗憾界
新标签打开 AlphaXiv
AlphaXiv 中文概览(可滚动查看)