Awesome RL with Human Feedback / 2026 / OpenReview

Transitivity Meets Cyclicity: Explicit Preference Decomposition for Dynamic Large Language Model Alignment

作者：Yucong Huang, Xiucheng Li, Kaiqi Zhao, Jing Li · 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博弈/纳什
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）