Awesome RL with Human Feedback / 2026 / OpenReview

Asymptotic Universal Alignment: A New Alignment Framework via Test-Time Scaling

作者：Yang Cai, Weiqiang Zheng · 来源：OpenReview · 发布日期：2026

偏好学习对齐目标设计策略优化策略梯度人类反馈强化学习样本效率
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）