大奖！作为最大彩票的对齐

本文解决了现有基于人类反馈的强化学习方法在满足直观期望方面的不足，提出使用概率社会选择规则“最大彩票”作为替代方案。研究表明，Nash人类反馈学习及其变体能够近似最大彩票结果，表现出更强的偏好支持能力和稳健性，有助于更好地体现金人类价值和意图。