Awesome RL with Human Feedback / 2026 / OpenReview

Position: Agentic Safety is an Epistemic Property, Not a Behavioral One

作者：Charles Wang, Keir Dorchen, Peter Jin · 来源：OpenReview · 发布日期：2026

安全对齐偏好学习对齐目标设计
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）