Mitigating Reward Hacking in RLHF via Advantage Sign Robustness

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ono, Shinnosuke, Ackermann, Johannes, Nishimori, Soichiro, Ishida, Takashi, Sugiyama, Masashi
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2604.02986