Awesome RL with Human Feedback / 2026 / OpenReview

Controllable and explainable personality sliders for LLMs at inference time

作者：Florian Hoppe, David Khachaturov, Robert Mullins, Mark Huasong Meng · 来源：OpenReview · 发布日期：2026

对齐目标设计策略优化策略梯度人类反馈强化学习个性化对齐可解释性
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）