论文

Policy Iteration with Human Feedback: Bringing Post-Training RL to In-context Learning

将策略迭代引入上下文学习，使固定模型能通过人类反馈在推理时动态优化行为， bridging RLHF与ICL

档案回溯至 2026-08 · 收录于 2026-08-18热度 0.0

rlhfin-context-learningpost-training-rl

暂未评估,等待下一轮评分。

事件时间线

想把「Policy Iteration with Human Feedback: Bringing Post-Training RL to In-context Learning」相关的机会落到自己的业务上?

灯塔背后的优秘智能团队提供:AI 落地咨询 · GEO 优化(让 AI 搜索推荐你的品牌) · 定制开发。留下需求,1 个工作日内回复。