English(EN) Subspace Inference Enables Efficient Active Reward Learning from Preferences

新方法提高了从人类偏好中学习AI奖励模型的效率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-04 04:00

研究人员开发了PreferenceEKF，一种用于人类反馈强化学习（RLHF）中主动学习的新方法。该方法通过将主动偏好学习构建为序贯贝叶斯滤波问题来解决RLHF的样本效率低下问题。PreferenceEKF不进行全参数空间推理，而是在低维子空间中使用扩展卡尔曼滤波器，在收集新偏好时高效地更新奖励模型后验。在D4RL和V-D4RL基准上的实验表明，与现有的贝叶斯深度学习方法相比，该方法在样本效率、运行时间、可扩展性和校准方面都有所提高，从而在离线强化学习策略性能方面具有竞争力。 AI

影响该方法可以显著减少使用人类反馈训练AI模型所需的数据量，使RLHF更实用、更具可扩展性。

排序理由该集群包含一篇详细介绍AI主动奖励学习新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 17 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍AI主动奖励学习新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Yutai Zhou, Erdem B{\i}y{\i}k · 2026-09-04 04:00

Subspace 推理实现高效的主动奖励学习（基于偏好）

arXiv:2609.04066v1 Announce Type: cross Abstract: Reinforcement learning from human feedback (RLHF) has emerged as a powerful yet sample-inefficient approach for learning reward models from human preferences, making active learning a critical component in synthesizing informative…

本文如何被排名

报道来源 [1]

Subspace 推理实现高效的主动奖励学习（基于偏好）

相关实体

相关话题