🍊 The Latent Field
Search
搜索
暗色模式
亮色模式
学习
探索
标签: preference-learning
阅读模式
Hide sidebars
Show sidebars
此标签下有1条笔记。
2026年8月27日
Deep Reinforcement Learning from Human Preferences
source
paper
rlhf
reward-model
preference-learning
reinforcement-learning