主页
返回索引
+
点赞
0
Awesome RL with Human Feedback / 2025 / arXiv
Test-Time Preference Optimization: On-the-Fly Alignment via Iterative Textual Feedback
作者:
Yafu Li, Xuyang Hu, Xiaoye Qu, Linjie Li, Yu Cheng ·
来源:
arXiv ·
发布日期:
2025
偏好学习
对齐目标设计
策略优化
在线人类反馈强化学习
新标签打开 AlphaXiv
新标签打开 Code
AlphaXiv 中文概览(可滚动查看)