Detecting and Suppressing Reward Hacking with Gradient Fingerprints

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Wang, Songtao, Pham, Quang Hieu, Yin, Fangcong, Wang, Xinpeng, Chen, Jocelyn Qiaochu, Durrett, Greg, Ye, Xi
Formato:	Preprint
Publicado:	2026
Materias:	Machine Learning 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/2604.16242