arXiv cs.AI· Meng Ding, Mingxi Lei, Jie Zhang, Jinyan Liu, Di Wang·2026-10-23 12:00· 2 小时前AI 评分40

面向偏好反馈的差分隐私稀疏奖励估计研究

Differentially Private Sparse Reward Estimation with Preference Feedback

AI 导读

一篇 arXiv 论文提出 Private Sparse RLHF 框架，假设人类偏好由 s* 远小于维度 d 的相关特征子集决定，首次给出 Bradley-Terry-Luce 模型下差分隐私稀疏奖励估计的完整理论框架。