线性奖励的对齐公理可满足性

论文研究线性奖励在对齐中满足 PO 与 PMC 公理的代价，允许每个候选项带松弛量，并以间隔 η 计算满足公理的最小总松弛。在 η 至多为 O(1/m²) 时，最优总松弛被界为 O(1)，并给出迫使该界成立的实例，证明速率在常数因子内紧致。作者还提出对线性奖励判错的比较收费的新方法，用参数 λ 在总松弛与违例数之间权衡，实验显示其输出的线性奖励优于线性 BTL。