IR$^3$: Contrastive Inverse Reinforcement Learning for Interpretable Detection and Mitigation of Reward Hacking

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Beigi, Mohammad, Jin, Ming, Zhang, Junshan, Zhang, Jiaxin, Wang, Qifan, Huang, Lifu
Natura: Preprint
Pubblicazione: 2026
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!