Regressing the Relative Future: Efficient Policy Optimization for Multi-turn RLHF
机构 * Cornell University(康奈尔大学) ; Princeton University(普林斯顿大学) ; Databricks Mosaic Research(Databricks 混合研究) ; Carnegie Mellon University(卡内基梅隆大学) ; Harvard University(哈佛大学)
专题命中 偏好对齐 :RLHF(title,abstract);DPO(abstract);分类 cs.CL、cs.AI、cs.LG