Mitigating Reward Hacking in RLHF via Advantage Sign Robustness

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Ono, Shinnosuke, Ackermann, Johannes, Nishimori, Soichiro, Ishida, Takashi, Sugiyama, Masashi
Formato:	Preprint
Publicado:	2026
Materias:	Machine Learning Artificial Intelligence Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2604.02986