DMoERM: Recipes of Mixture-of-Experts for Effective Reward Modeling
专题命中 偏好对齐 :alignment(abstract);分类 cs.CL
Comments 23 pages, 8 figures
AI 大模型
大模型对齐、安全、越狱、红队、提示注入和可信评测。
专题命中 偏好对齐 :alignment(abstract);分类 cs.CL
Comments 23 pages, 8 figures
专题命中 偏好对齐 :DPO(abstract);分类 cs.CL
专题命中 偏好对齐 :alignment(abstract);分类 cs.AI
Comments Project Page: https://thefllood.github.io/HQEdit_web
专题命中 偏好对齐 :DPO(abstract);分类 cs.CL
Comments To appear at NAACL 2024
专题命中 偏好对齐 :alignment(abstract);分类 cs.CL
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CY
专题命中 偏好对齐 :RLHF(abstract);分类 cs.AI
Comments 6 Pages, 8 figures
专题命中 偏好对齐 :RLHF(abstract);分类 cs.LG
Comments Accepted at ICLR 2024
专题命中 偏好对齐 :RLHF(abstract);分类 cs.LG
专题命中 偏好对齐 :alignment(abstract);分类 cs.CL
Comments 20 pages, 13 figures
专题命中 偏好对齐 :alignment(abstract);分类 cs.AI
Comments 32 pages, 16 figures
Journal ref IEEE Transactions on Systems, Man, and Cybernetics: Systems Volume: 54, Issue: 2, February 2024
专题命中 偏好对齐 :alignment(abstract);分类 cs.CL
Comments Accepted to LREC-COLING 2024, camera ready version
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL
Comments ICLR 2024 Spotlight
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL
专题命中 偏好对齐 :RLHF(abstract);分类 cs.AI
专题命中 偏好对齐 :RLHF(abstract);分类 cs.LG
专题命中 偏好对齐 :alignment(abstract);分类 cs.CL
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL
Comments 5 pages, 3 figures
Journal ref https://aclanthology.org/2023.emnlp-main.599
专题命中 偏好对齐 :alignment(abstract);分类 cs.CL
Comments NeurIPS 2023
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL
专题命中 偏好对齐 :RLHF(abstract);分类 cs.LG
Comments 10 pages, 5 figures,
专题命中 偏好对齐 :safety(abstract);分类 cs.AI
专题命中 偏好对齐 :alignment(abstract);分类 cs.CL
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL
专题命中 偏好对齐 :DPO(abstract);分类 cs.CL
Comments Project page: https://vlf-silkie.github.io
专题命中 偏好对齐 :alignment(abstract);分类 cs.CL
Comments In AAAI-24
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CY
Comments 14 pages, 3 figures
专题命中 偏好对齐 :DPO(abstract);分类 cs.CL
Comments technical report; fixed zephyr numbers
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL
Comments NeurIPS 2023 Workshop on Instruction Tuning and Instruction Following
专题命中 偏好对齐 :trustworthy(abstract);分类 cs.CL