会员服务
RetouchIQ: MLLM Agents for Instruction-Based Image Retouching with Generalist Reward
Arxiv
0+阅读 · 2月19日
Capturing Individual Human Preferences with Reward Features
Arxiv
0+阅读 · 2月19日
MARS: Margin-Aware Reward-Modeling with Self-Refinement
MARS: Margin-Aware Reward-Modeling with Self-Refinement
Arxiv
0+阅读 · 2月19日
Proof-RM: A Scalable and Generalizable Reward Model for Math Proof
Arxiv
0+阅读 · 2月19日
Discovering Implicit Large Language Model Alignment Objectives
Arxiv
0+阅读 · 2月17日
RRPO: Robust Reward Policy Optimization for LLM-based Emotional TTS
Arxiv
0+阅读 · 2月15日
P-GenRM: Personalized Generative Reward Model with Test-time User-based Scaling
Arxiv
0+阅读 · 2月12日
Secure Code Generation via Online Reinforcement Learning with Vulnerability Reward Model
Arxiv
0+阅读 · 2月7日
R-Align: Enhancing Generative Reward Models through Rationale-Centric Meta-Judging
Arxiv
0+阅读 · 2月6日
Small Reward Models via Backward Inference
Arxiv
0+阅读 · 2月14日
GSRM: Generative Speech Reward Model for Speech RLHF
Arxiv
0+阅读 · 2月14日
Unified Personalized Reward Model for Vision Generation
Arxiv
0+阅读 · 2月10日
Mechanism Design for LLM Fine-tuning with Multiple Reward Models
Arxiv
0+阅读 · 2月10日
MASPRM: Multi-Agent System Process Reward Model
Arxiv
0+阅读 · 2月12日
Dual-IPO: Dual-Iterative Preference Optimization for Text-to-Video Generation
Arxiv
0+阅读 · 2月10日
参考链接
微信扫码咨询专知VIP会员
Top