Awesome RL with Human Feedback / 2026 / OpenReview

TUR-DPO: Topology- and Uncertainty-Aware Direct Preference Optimization

作者：Abdulhady abas, Fatemeh Daneshfar, Seyedali Mirjalili, Mourad Oussalah · 来源：OpenReview · 发布日期：2026

鲁棒性/噪声反馈偏好学习策略优化策略梯度人类反馈强化学习多模态反馈
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）