Adversarial Reward Auditing for Active Detection and Mitigation of Reward Hacking

Fuente: arXiv
Enregistré dans:
Détails bibliographiques
Auteurs principaux: Beigi, Mohammad, Jin, Ming, Zhang, Junshan, Wang, Qifan, Huang, Lifu
Format: Preprint
Publié: 2026
Sujets:
Accès en ligne:
Tags: Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires