谷歌浏览器插件
订阅小程序
在清言上使用

Multi-turn Reinforcement Learning from Preference Human Feedback

NeurIPS 2024(2024)

引用 0|浏览42
暂无评分
关键词
Reinforcement Learning,RLHF,Human Feedback,Preferences,Optimization,LLMs,Large Language Models,Natural Language Processing,NLP,Learning Theory,RL
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要