Documenti analoghi

• ODIN: Disentangled Reward Mitigates Hacking in RLHF
  di: Chen, Lichang, et al.
  Pubblicazione: (2024)
• Building Math Agents with Multi-Turn Iterative Preference Learning
  di: Xiong, Wei, et al.
  Pubblicazione: (2024)
• Adversarial Reward Auditing for Active Detection and Mitigation of Reward Hacking
  di: Beigi, Mohammad, et al.
  Pubblicazione: (2026)
• Reward Shaping to Mitigate Reward Hacking in RLHF
  di: Fu, Jiayi, et al.
  Pubblicazione: (2025)
• Robust Optimization for Mitigating Reward Hacking with Correlated Proxies
  di: Liu, Zixuan, et al.
  Pubblicazione: (2026)