ICLR

Sycophancy Claims about Language Models: The Missing Human-in-the-Loop

语言模型中的趋炎附势主张：缺失的人工智能循环

Jan Batzner, Volker Stocker, Stefan Schmid, Gjergji Kasneci

机构 * Weizenbaum Institute（韦岑鲍姆研究所） ； Technical University Berlin（柏林技术大学） ； Technical University Munich（慕尼黑技术大学） 纠错

AI总结 本文探讨了大型语言模型中趋炎附势现象的测量挑战，提出五个核心操作化定义，并指出当前研究缺乏对人类感知的评估，为未来研究提供建议。

Comments NeurIPS 2025 Workshop on LLM Evaluation and ICLR 2025 Workshop on Bi-Directional Human-AI Alignment

Provable Memory Efficient Self-Play Algorithm for Model-free Reinforcement Learning

可证明的内存高效自博弈算法用于无模型强化学习

Na Li, Yuchen Jiao, Hangguan Shan, Shefeng Yan

机构 * College of Information Science and Electronic Engineering（信息科学与电子工程学院） ； Zhejiang University（浙江大学） ； School of Information and Electronics（信息与电子学院） ； Beijing Institute of Technology（北京理工大学） ； Institute of Acoustics（声学研究所） ； Chinese Academy of Sciences（中国科学院） 纠错

AI总结 本文提出了一种内存高效的自博弈算法，用于解决多智能体强化学习中的内存效率、样本复杂度和预热成本问题。

Comments ICLR 2024. arXiv admin note: substantial text overlap with arXiv:2110.04645 by other authors