“Reward hacking” 검색 결과

검색된 기사

논문5일 전

소형 언어 모델 에이전트를 위한 강건한 강화학습을 향하여

Hugging Face Papers

논문2026년 5월 27일

방향 정렬이 언어 모델 강화학습에서 보상 해킹을 완화한다

Hugging Face Papers

논문2026년 5월 21일

SpecBench: 장기형 코딩 에이전트의 보상 해킹 측정

Hugging Face Papers

논문2026년 5월 12일

Auto-Rubric을 보상으로: 암묵적 선호에서 명시적 멀티모달 생성 기준으로

Hugging Face Papers

논문2026년 5월 12일

루브릭 기반 강화학습에서의 보상 해킹

Hugging Face Papers

논문2026년 5월 11일

Flow-OPD: 플로우 매칭 모델을 위한 온-폴리시 증류

Hugging Face Papers

논문2026년 4월 28일

1비트 위험 신호로 에이전틱 안전 사양 발견하기

Hugging Face Papers