Documenti analoghi

• Mitigating Preference Hacking in Policy Optimization with Pessimism
  di: Gupta, Dhawal, et al.
  Pubblicazione: (2025)
• The Virtues of Pessimism in Inverse Reinforcement Learning
  di: Wu, David, et al.
  Pubblicazione: (2024)
• Revisiting the (Sub)Optimality of Best-of-N for Inference-Time Alignment
  di: Sriraman, Ved, et al.
  Pubblicazione: (2026)
• Reward Shaping to Mitigate Reward Hacking in RLHF
  di: Fu, Jiayi, et al.
  Pubblicazione: (2025)
• Helping or Herding? Reward Model Ensembles Mitigate but do not Eliminate Reward Hacking
  di: Eisenstein, Jacob, et al.
  Pubblicazione: (2023)