Preference as Reward, Maximum Preference Optimization with Importance Sampling
Fuente:
arXiv
Salvato in:
| Autori principali: | Jiang, Zaifan, Huang, Xing, Wei, Chao |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2023
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
In-Context Reward Adaptation for Robust Preference Modeling
di: Sun, Zhenyu, et al.
Pubblicazione: (2026)
di: Sun, Zhenyu, et al.
Pubblicazione: (2026)
Sample-Efficient Preference-based Reinforcement Learning with Dynamics Aware Rewards
di: Metcalf, Katherine, et al.
Pubblicazione: (2024)
di: Metcalf, Katherine, et al.
Pubblicazione: (2024)
Adaptive Batch-Wise Sample Scheduling for Direct Preference Optimization
di: Huang, Zixuan, et al.
Pubblicazione: (2025)
di: Huang, Zixuan, et al.
Pubblicazione: (2025)
Reward Learning From Preference With Ties
di: Liu, Jinsong, et al.
Pubblicazione: (2024)
di: Liu, Jinsong, et al.
Pubblicazione: (2024)
$ξ$-DPO: Direct Preference Optimization via Ratio Reward Margin
di: Fan, Zhengyuan, et al.
Pubblicazione: (2026)
di: Fan, Zhengyuan, et al.
Pubblicazione: (2026)
PerPO: Perceptual Preference Optimization via Discriminative Rewarding
di: Zhu, Zining, et al.
Pubblicazione: (2025)
di: Zhu, Zining, et al.
Pubblicazione: (2025)
IRPM: Intergroup Relative Preference Modeling for Pointwise Generative Reward Models
di: Song, Haonan, et al.
Pubblicazione: (2026)
di: Song, Haonan, et al.
Pubblicazione: (2026)
T-REG: Preference Optimization with Token-Level Reward Regularization
di: Zhou, Wenxuan, et al.
Pubblicazione: (2024)
di: Zhou, Wenxuan, et al.
Pubblicazione: (2024)
Selective Preference Optimization via Token-Level Reward Function Estimation
di: Yang, Kailai, et al.
Pubblicazione: (2024)
di: Yang, Kailai, et al.
Pubblicazione: (2024)
Beyond One-Preference-Fits-All Alignment: Multi-Objective Direct Preference Optimization
di: Zhou, Zhanhui, et al.
Pubblicazione: (2023)
di: Zhou, Zhanhui, et al.
Pubblicazione: (2023)
Margin Adaptive DPO: Leveraging Reward Model for Granular Control in Preference Optimization
di: Rho, Hyung Gyu
Pubblicazione: (2025)
di: Rho, Hyung Gyu
Pubblicazione: (2025)
Capturing Individual Human Preferences with Reward Features
di: Barreto, André, et al.
Pubblicazione: (2025)
di: Barreto, André, et al.
Pubblicazione: (2025)
Preference Elicitation for Multi-objective Combinatorial Optimization with Active Learning and Maximum Likelihood Estimation
di: Defresne, Marianne, et al.
Pubblicazione: (2025)
di: Defresne, Marianne, et al.
Pubblicazione: (2025)
AlphaDPO: Adaptive Reward Margin for Direct Preference Optimization
di: Wu, Junkang, et al.
Pubblicazione: (2024)
di: Wu, Junkang, et al.
Pubblicazione: (2024)
Hindsight Preference Optimization for Financial Time Series Advisory
di: Cui, Yanwei, et al.
Pubblicazione: (2026)
di: Cui, Yanwei, et al.
Pubblicazione: (2026)
PROF: An LLM-based Reward Code Preference Optimization Framework for Offline Imitation Learning
di: Sun, Shengjie, et al.
Pubblicazione: (2025)
di: Sun, Shengjie, et al.
Pubblicazione: (2025)
$i$REPO: $i$mplicit Reward Pairwise Difference based Empirical Preference Optimization
di: Le, Long Tan, et al.
Pubblicazione: (2024)
di: Le, Long Tan, et al.
Pubblicazione: (2024)
Active Preference Optimization for Sample Efficient RLHF
di: Das, Nirjhar, et al.
Pubblicazione: (2024)
di: Das, Nirjhar, et al.
Pubblicazione: (2024)
Thinking Preference Optimization
di: Yang, Wang, et al.
Pubblicazione: (2025)
di: Yang, Wang, et al.
Pubblicazione: (2025)
Rectifying Shortcut Behaviors in Preference-based Reward Learning
di: Ye, Wenqian, et al.
Pubblicazione: (2025)
di: Ye, Wenqian, et al.
Pubblicazione: (2025)
Exploring and Addressing Reward Confusion in Offline Preference Learning
di: Chen, Xin, et al.
Pubblicazione: (2024)
di: Chen, Xin, et al.
Pubblicazione: (2024)
Clear Preferences Leave Traces: Reference Model-Guided Sampling for Preference Learning
di: Diwan, Nirav, et al.
Pubblicazione: (2025)
di: Diwan, Nirav, et al.
Pubblicazione: (2025)
Arithmetic Control of LLMs for Diverse User Preferences: Directional Preference Alignment with Multi-Objective Rewards
di: Wang, Haoxiang, et al.
Pubblicazione: (2024)
di: Wang, Haoxiang, et al.
Pubblicazione: (2024)
ActiveDPO: Active Direct Preference Optimization for Sample-Efficient Alignment
di: Lin, Xiaoqiang, et al.
Pubblicazione: (2025)
di: Lin, Xiaoqiang, et al.
Pubblicazione: (2025)
On the Role of Preference Variance in Preference Optimization
di: Guo, Jiacheng, et al.
Pubblicazione: (2025)
di: Guo, Jiacheng, et al.
Pubblicazione: (2025)
AMoPO: Adaptive Multi-objective Preference Optimization without Reward Models and Reference Models
di: Liu, Qi, et al.
Pubblicazione: (2025)
di: Liu, Qi, et al.
Pubblicazione: (2025)
Latent Adversarial Regularization for Offline Preference Optimization
di: Jiang, Enyi, et al.
Pubblicazione: (2026)
di: Jiang, Enyi, et al.
Pubblicazione: (2026)
Optimal Transport for LLM Reward Modeling from Noisy Preference
di: Pan, Licheng, et al.
Pubblicazione: (2026)
di: Pan, Licheng, et al.
Pubblicazione: (2026)
From Demonstrations to Rewards: Alignment Without Explicit Human Preferences
di: Zeng, Siliang, et al.
Pubblicazione: (2025)
di: Zeng, Siliang, et al.
Pubblicazione: (2025)
Reward-Augmented Data Enhances Direct Preference Alignment of LLMs
di: Zhang, Shenao, et al.
Pubblicazione: (2024)
di: Zhang, Shenao, et al.
Pubblicazione: (2024)
Listwise Reward Estimation for Offline Preference-based Reinforcement Learning
di: Choi, Heewoong, et al.
Pubblicazione: (2024)
di: Choi, Heewoong, et al.
Pubblicazione: (2024)
Larger or Smaller Reward Margins to Select Preferences for Alignment?
di: Huang, Kexin, et al.
Pubblicazione: (2025)
di: Huang, Kexin, et al.
Pubblicazione: (2025)
ESPO: Entropy Importance Sampling Policy Optimization
di: Sheng, Yuepeng, et al.
Pubblicazione: (2025)
di: Sheng, Yuepeng, et al.
Pubblicazione: (2025)
Residual Reward Models for Preference-based Reinforcement Learning
di: Cao, Chenyang, et al.
Pubblicazione: (2025)
di: Cao, Chenyang, et al.
Pubblicazione: (2025)
PARM: Multi-Objective Test-Time Alignment via Preference-Aware Autoregressive Reward Model
di: Lin, Baijiong, et al.
Pubblicazione: (2025)
di: Lin, Baijiong, et al.
Pubblicazione: (2025)
Direct Preference Optimization: Your Language Model is Secretly a Reward Model
di: Rafailov, Rafael, et al.
Pubblicazione: (2023)
di: Rafailov, Rafael, et al.
Pubblicazione: (2023)
TGDPO: Harnessing Token-Level Reward Guidance for Enhancing Direct Preference Optimization
di: Zhu, Mingkang, et al.
Pubblicazione: (2025)
di: Zhu, Mingkang, et al.
Pubblicazione: (2025)
Preference Poisoning Attacks on Reward Model Learning
di: Wu, Junlin, et al.
Pubblicazione: (2024)
di: Wu, Junlin, et al.
Pubblicazione: (2024)
Similarity as Reward Alignment: Robust and Versatile Preference-based Reinforcement Learning
di: Rajaram, Sara, et al.
Pubblicazione: (2025)
di: Rajaram, Sara, et al.
Pubblicazione: (2025)
SSPO: Self-traced Step-wise Preference Optimization for Process Supervision and Reasoning Compression
di: Xu, Yuyang, et al.
Pubblicazione: (2025)
di: Xu, Yuyang, et al.
Pubblicazione: (2025)
Documenti analoghi
-
In-Context Reward Adaptation for Robust Preference Modeling
di: Sun, Zhenyu, et al.
Pubblicazione: (2026) -
Sample-Efficient Preference-based Reinforcement Learning with Dynamics Aware Rewards
di: Metcalf, Katherine, et al.
Pubblicazione: (2024) -
Adaptive Batch-Wise Sample Scheduling for Direct Preference Optimization
di: Huang, Zixuan, et al.
Pubblicazione: (2025) -
Reward Learning From Preference With Ties
di: Liu, Jinsong, et al.
Pubblicazione: (2024) -
$ξ$-DPO: Direct Preference Optimization via Ratio Reward Margin
di: Fan, Zhengyuan, et al.
Pubblicazione: (2026)