Avoiding $\mathbf{exp(R_{max})}$ scaling in RLHF through Preference-based Exploration

Ähnliche Einträge

• Scale-free Adversarial Reinforcement Learning
  von: Chen, Mingyu, et al.
  Veröffentlicht: (2024)
• State-free Reinforcement Learning
  von: Chen, Mingyu, et al.
  Veröffentlicht: (2024)
• Accelerating RL for LLM Reasoning with Optimal Advantage Regression
  von: Brantley, Kianté, et al.
  Veröffentlicht: (2025)
• Policy-labeled Preference Learning: Is Preference Enough for RLHF?
  von: Cho, Taehyun, et al.
  Veröffentlicht: (2025)
• Efficient Reinforcement Learning in Probabilistic Reward Machines
  von: Lin, Xiaofeng, et al.
  Veröffentlicht: (2024)