Awesome RL with Human Feedback / 2026 / OpenReview

Implicit Safety Alignment from Crowd Preferences

作者：Qian Lin, Daniel S Brown · 来源：OpenReview · 发布日期：2026

安全对齐奖励建模偏好学习对齐目标设计多目标对齐
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）