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

Fuente: arXiv
Enregistré dans:
Détails bibliographiques
Auteurs principaux: Laidlaw, Cassidy, Singhal, Shivam, Dragan, Anca
Format: Preprint
Publié: 2024
Sujets:
Accès en ligne:
Tags: Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires