arXiv preprint / 奖励驱动进化

AutoRule: Reasoning Chain-of-thought Extracted Rule-based Rewards Improve Preference Learning

作者：Tevin Wang, Chenyan Xiong · 单位：School of Computer Science, Carnegie Mellon University · 会议/期刊：arXiv preprint · 方向：奖励驱动进化 · 发布日期：2025-06-18

自我进化智能体奖励驱动进化奖励学习强化学习
新标签打开 AlphaXiv新标签打开 Project新标签打开 Code
AutoRule: Reasoning Chain-of-thought Extracted Rule-based Rewards Improve Preference Learning figure
AlphaXiv 中文概览（可滚动查看）