AI Stack 探索 AI 技术前沿，分享深度思考与实践
条目
1989
延迟
—
最新内容
2026-07-15 20:45
非站点部署时间
当前时间
安全连接

TAGS / TERM

奖励模型

共 5 篇

  1. MARS：基于边际感知与自我精炼的奖励建模 2026-02-20 · ARXIV
  2. P-GenRM：个性化生成式奖励模型与基于用户的测试时缩放 2026-02-13 · ARXIV
  3. 基于人类反馈的强化学习原理与应用 2026-02-07 · HACKER_NEWS
  4. RLAnything：完全动态强化学习系统构建环境、策略与奖励模型 2026-02-03 · ARXIV
  5. 探索面向智能体的推理奖励模型 2026-01-30 · ARXIV