AI Stack

TAGS / TERM

RLHF

共 81 篇

  1. CM2：基于清单奖励强化学习的多轮多步智能体工具调用 2026-02-13 · ARXIV
  2. 能力导向训练引发大模型对齐风险研究 2026-02-13 · ARXIV
  3. 基于奖励外推的广义在线策略蒸馏算法 2026-02-13 · ARXIV
  4. 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
  5. 超越VLM奖励：扩散原生潜在奖励建模 2026-02-13 · ARXIV
  6. 基于人类反馈的强化学习：原理与应用 2026-02-07 · HACKER_NEWS
  7. 基于人类反馈的强化学习原理与应用 2026-02-07 · HACKER_NEWS
  8. 基于人类反馈的强化学习：原理与应用 2026-02-07 · HACKER_NEWS
  9. 基于人类反馈的强化学习机制解析 2026-02-07 · HACKER_NEWS
  10. 重新思考大模型强化学习中的信任区域机制 2026-02-06 · ARXIV
  11. 强化注意力学习：通过奖励机制优化视觉注意力模型 2026-02-06 · ARXIV
  12. 重新思考大模型强化学习中的信任区域 2026-02-05 · ARXIV
  13. 强化注意力学习：基于奖励反馈的注意力机制优化方法 2026-02-05 · ARXIV
  14. 基于急停干预的鲁棒干预学习 2026-02-05 · ARXIV
  15. 2026年AI展望：大模型、智能体与算力趋势 2026-02-04 · BLOGS_PODCASTS
  16. 通过文本反馈扩展强化学习的能力边界 2026-02-04 · ARXIV
  17. RLAnything：构建完全动态强化学习系统环境与模型 2026-02-04 · ARXIV
  18. 无奖励对齐技术处理多目标冲突 2026-02-03 · ARXIV
  19. 基于文本反馈扩展强化学习的能力 2026-02-03 · ARXIV
  20. 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
  21. 2026年AI展望：LLM、智能体、缩放定律与中国发展 2026-02-03 · BLOGS_PODCASTS
  22. 2026年AI展望：LLM、智能体、算力与AGI发展路径 2026-02-03 · BLOGS_PODCASTS
  23. 训练万亿参数模型使其具备幽默感 2026-02-03 · HACKER_NEWS
  24. 研究揭示RLHF如何加剧大模型谄媚行为 2026-02-03 · ARXIV
  25. 2026年AI展望：LLM、智能体、算力与Scaling Laws 2026-02-02 · BLOGS_PODCASTS
  26. 推理大语言模型从被动求解转向主动询问 2026-02-01 · ARXIV
  27. 探索面向智能体的推理奖励模型 2026-02-01 · ARXIV
  28. 推理大模型从被动求解转向主动提问 2026-01-30 · ARXIV
  29. 🔥实战复盘：解锁GPT-OSS的智能体RL训练秘籍！ 2026-01-28 · BLOGS_PODCASTS
  30. 🔥POPE：利用特权探索破解硬核难题！ 2026-01-28 · ARXIV
  31. 🚀GPT-OSS智能体RL训练解密！从0到1实战复盘🔥 2026-01-27 · BLOGS_PODCASTS