ARC：开放域真实世界交互中的公平相对优势比较
ARC: Fair Relative Advantage Comparison in Open-Ended Real-World Interaction
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
针对开放域交互中同一组 rollout 行为不可比导致奖励偏好扭曲相对优势的问题，研究者提出训练方案 ARC（Advantage Regularization via Conditioning），通过策略条件化分组、混合奖励与熵正则恢复更公平的相对比较。
来源：Hugging Face Daily Papers · arxiv.org