Correlated Proxies: A New Definition and Improved Mitigation for Reward Hacking

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Laidlaw, Cassidy, Singhal, Shivam, Dragan, Anca
Formato: Preprint
Publicado: 2024
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares