Awesome RL with Human Feedback / 2026 / OpenReview

Graph-Preference Learning: Debiasing Network-Sampled Human Feedback for Target Welfare Estimation

作者：Guangrui Fan, DanDan Liu, AZNUL SABRI, Pan Lihu · 来源：OpenReview · 发布日期：2026

奖励建模偏好学习策略优化策略梯度人类反馈强化学习多目标对齐
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）