arXiv cs.AI· Akansha Kalra, Ellen R. Novoseller, Vernon J. Lawhern, Daniel S. Brown·· 1 天前AI 评分34
P3L：基于匿名群体反馈的多元化策略对齐框架
Steerable Pluralistic Policy Alignment from Anonymized Crowd Feedback
AI 导读
arXiv 论文提出 Preference-PCA Pluralistic Learning（P3L），一种无需标注者身份的多元化对齐框架，通过 PCA 分解从异构群体反馈中联合学习轨迹嵌入与偏好方向的共享基。
来源：arXiv cs.AI · arxiv.org