Buchumschlag

Dense Reward for Free in Reinforcement Learning from Human Feedback

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chan, Alex J., Sun, Hao, Holt, Samuel, van der Schaar, Mihaela
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Inverse-RLignment: Large Language Model Alignment from Demonstrations through Inverse Reinforcement Learning
von: Sun, Hao, et al.
Veröffentlicht: (2024)

Automatically Learning Hybrid Digital Twins of Dynamical Systems
von: Holt, Samuel, et al.
Veröffentlicht: (2024)

Inverse Reinforcement Learning Meets Large Language Model Post-Training: Basics, Advances, and Opportunities
von: Sun, Hao, et al.
Veröffentlicht: (2025)

When is Off-Policy Evaluation (Reward Modeling) Useful in Contextual Bandits? A Data-Centric Perspective
von: Sun, Hao, et al.
Veröffentlicht: (2023)

Deep Generative Symbolic Regression
von: Holt, Samuel, et al.
Veröffentlicht: (2023)

Towards Automated Knowledge Integration From Human-Interpretable Representations
von: Kobalczyk, Katarzyna, et al.
Veröffentlicht: (2024)

Few-shot Steerable Alignment: Adapting Rewards and LLM Policies with Neural Processes
von: Kobalczyk, Katarzyna, et al.
Veröffentlicht: (2024)

Retrieval Augmented Thought Process for Private Data Handling in Healthcare
von: Pouplin, Thomas, et al.
Veröffentlicht: (2024)

Deep Hierarchical Learning with Nested Subspace Networks for Large Language Models
von: Rauba, Paulius, et al.
Veröffentlicht: (2025)

No Equations Needed: Learning System Dynamics Without Relying on Closed-Form ODEs
von: Kacprzyk, Krzysztof, et al.
Veröffentlicht: (2025)

Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback
von: Saveliev, Evgeny S., et al.
Veröffentlicht: (2026)

Discovering Preference Optimization Algorithms with and for Large Language Models
von: Lu, Chris, et al.
Veröffentlicht: (2024)

Knowledge-Informed Kernel State Reconstruction from Heterogeneous Partial Observations
von: Muscarnera, Luca, et al.
Veröffentlicht: (2026)

Not All Explanations for Deep Learning Phenomena Are Equally Valuable
von: Jeffares, Alan, et al.
Veröffentlicht: (2025)

Preference Learning for AI Alignment: a Causal Perspective
von: Kobalczyk, Katarzyna, et al.
Veröffentlicht: (2025)

Active Timepoint Selection for Learning Measure-Valued Trajectories
von: Huynh, Nicolas, et al.
Veröffentlicht: (2026)

ODE Discovery for Longitudinal Heterogeneous Treatment Effects Inference
von: Kacprzyk, Krzysztof, et al.
Veröffentlicht: (2024)

Reusing Embeddings: Reproducible Reward Model Research in Large Language Model Alignment without GPUs
von: Sun, Hao, et al.
Veröffentlicht: (2025)

G-Sim: Generative Simulations with Large Language Models and Gradient-Free Calibration
von: Holt, Samuel, et al.
Veröffentlicht: (2025)

Shape Arithmetic Expressions: Advancing Scientific Discovery Beyond Closed-Form Equations
von: Kacprzyk, Krzysztof, et al.
Veröffentlicht: (2024)

Matchmaker: Self-Improving Large Language Model Programs for Schema Matching
von: Seedat, Nabeel, et al.
Veröffentlicht: (2024)

Query-Dependent Prompt Evaluation and Optimization with Offline Inverse RL
von: Sun, Hao, et al.
Veröffentlicht: (2023)

Why Tabular Foundation Models Should Be a Research Priority
von: van Breugel, Boris, et al.
Veröffentlicht: (2024)

Hyperparameter Trajectory Inference with Conditional Lagrangian Optimal Transport
von: Amad, Harry, et al.
Veröffentlicht: (2026)

Discovery of Hidden Miscalibration Regimes
von: Kobalczyk, Katarzyna, et al.
Veröffentlicht: (2026)

L2MAC: Large Language Model Automatic Computer for Extensive Code Generation
von: Holt, Samuel, et al.
Veröffentlicht: (2023)

Language Bottleneck Models for Qualitative Knowledge State Modeling
von: Berthon, Antonin, et al.
Veröffentlicht: (2025)

On Error Propagation of Diffusion Models
von: Li, Yangming, et al.
Veröffentlicht: (2023)

Interpretable Reward Modeling with Active Concept Bottlenecks
von: Laguna, Sonia, et al.
Veröffentlicht: (2025)

Deep Learning Through A Telescoping Lens: A Simple Model Provides Empirical Insights On Grokking, Gradient Boosting & Beyond
von: Jeffares, Alan, et al.
Veröffentlicht: (2024)

Improving LLM Agent Planning with In-Context Learning via Atomic Fact Augmentation and Lookahead Search
von: Holt, Samuel, et al.
Veröffentlicht: (2025)

A Study of Posterior Stability for Time-Series Latent Diffusion
von: Li, Yangming, et al.
Veröffentlicht: (2024)

Why do Random Forests Work? Understanding Tree Ensembles as Self-Regularizing Adaptive Smoothers
von: Curth, Alicia, et al.
Veröffentlicht: (2024)

Dissecting Sample Hardness: A Fine-Grained Analysis of Hardness Characterization Methods for Data-Centric AI
von: Seedat, Nabeel, et al.
Veröffentlicht: (2024)

Quantifying Aleatoric Uncertainty of the Treatment Effect: A Novel Orthogonal Learner
von: Melnychuk, Valentyn, et al.
Veröffentlicht: (2024)

Adaptive Experiment Design with Synthetic Controls
von: Hüyük, Alihan, et al.
Veröffentlicht: (2024)

Decision Tree Induction Through LLMs via Semantically-Aware Evolution
von: Liu, Tennison, et al.
Veröffentlicht: (2025)

Tiny Autoregressive Recursive Models
von: Rauba, Paulius, et al.
Veröffentlicht: (2026)

What's the next frontier for Data-centric AI? Data Savvy Agents
von: Seedat, Nabeel, et al.
Veröffentlicht: (2025)

Position: All Current Generative Fidelity and Diversity Metrics are Flawed
von: Räisä, Ossi, et al.
Veröffentlicht: (2025)