Awesome RL with Human Feedback / 2026 / OpenReview

Efficient Preference Poisoning Attack on Offline RLHF

作者：Chenye Yang, Weiyu Xu, Lifeng Lai · 来源：OpenReview · 发布日期：2026

鲁棒性/噪声反馈偏好学习策略优化策略梯度人类反馈强化学习离线人类反馈强化学习
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）