Awesome RL with Human Feedback / 2026 / OpenReview

Calibrated Preference Learning: The Case of Label Ranking

作者：Santo Thies, Viktor Bengs, Timo Kaufmann, Sebastian Vollmer, Eyke Hüllermeier · 来源：OpenReview · 发布日期：2026

奖励建模偏好学习对齐目标设计训练稳定性
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）