Awesome RL with Human Feedback / 2026 / OpenReview

$f$-Divergence Regularized RLHF: Two Tales of Sampling and Unified Analyses

作者：Di Wu, Chengshuai Shi, Jing Yang, Cong Shen · 来源：OpenReview · 发布日期：2026

偏好学习训练稳定性策略优化人类反馈设计
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）