Tag: Policy Training

All the articles with the tag "Policy Training".

• Learning Explainable Dense Reward Shapes via Bayesian Optimization

  Published: 4 May, 2025 |  at  04:30 PM

  

  55.26 🤔

  本文提出一种通过Bayesian Optimization学习解释性密集奖励形状的方法，以解决RLHF中奖励稀疏问题，实现token级信用分配优化，提升训练效率和性能，同时保持最优政策不变。