会员服务
Reward Shaping to Mitigate Reward Hacking in RLHF
Arxiv
0+阅读 · 1月8日
Reasoning Shapes Alignment: Investigating Cultural Alignment in Large Reasoning Models with Cultural Norms
Arxiv
0+阅读 · 2025年11月17日
Ensemble Debates with Local Large Language Models for AI Alignment
Arxiv
0+阅读 · 2025年11月15日
参考链接
微信扫码咨询专知VIP会员
Top