Awesome RL with Human Feedback / 2026 / OpenReview

The Secret Engine Behind RLHF: It's Contarstive Learning All Along

作者：Xufei Lv, Kehai Chen, Haoyuan Sun, Xuefeng Bai, Min zhang, Houde Liu · 来源：OpenReview · 发布日期：2026

偏好学习对齐目标设计策略优化策略梯度人类反馈强化学习
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）