Awesome RL with Human Feedback / 2026 / OpenReview

Unbiased Principles, Robust Rewards

作者：Qingnan Ren, Zhen Fang, Shiting Huang, Yu Zeng, Lin Chen, Zehui Chen, Feng Zhao · 来源：OpenReview · 发布日期：2026

鲁棒性/噪声反馈奖励建模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）