Awesome RL with Human Feedback / 2026 / OpenReview

Regularization in the Axiomatic Approach to Learning from Human Preferences

作者：Ezgi Korkmaz · 来源：OpenReview · 发布日期：2026

偏好学习训练稳定性人类反馈设计
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）