本研究提出R3HF奖励再分配方法，解决了基于人类反馈的强化学习中奖励分配稀疏的问题，从而提升了语言模型的性能。

R3HF：奖励再分配以增强基于人类反馈的强化学习
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证