研究提出Stackelberg博弈对齐偏好模型方法
热点事件持续更新
研究提出Stackelberg博弈对齐偏好模型方法
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Riccardo Formenti等作者发表论文，提出将偏好模型集成中的分歧作为预测误差的代理，把寻找可被评估器反转偏好的比较样本建模为Leader与Follower之间的零和Stackelberg博弈，并提出两时间尺度的Stackelberg Mirror Descent-Ascent（SMIDA）算法。 论文称，该算法在表格设定下具备线性last-iterate收敛，并给出神经策略梯度版本。其中Leader试图最小化分歧，Follower试图最大化分歧。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
你的偏好模型可信吗？用 Stackelberg 博弈做对齐报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AI你的偏好模型可信吗？用 Stackelberg 博弈做对齐
研究将偏好模型集成中的分歧作为预测误差的代理，把寻找可被评估器反转偏好的比较样本建模为 Leader 与 Follower 之间的零和 Stackelberg 博弈，并提出两时间尺度的 Stackelberg Mirror Descent-Ascent（SMIDA）算法，在表格设定下具备线性 last-iterate 收敛，并给出神经策略梯度版本。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。