Skip to content
Hot eventLive

线性奖励对齐公理可满足性研究

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026年10月7日，arXiv Multiagent Systems 发布一手论文，研究线性奖励在对齐中满足 PO 与 PMC 公理的代价。论文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，证明该速率在常数因子内紧致。此外，作者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。

Generated from reports · updated 3 hr ago

LatestOct 7
论文给出 η≤O(1/m²) 时总松弛 O(1) 的紧致界，并提出带参数 λ 的比较收费方法。

Timeline

Follow the coverage from different angles.

Oct 7, 2026
  1. arXiv · Multiagent Systems
    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。

Heat trend

There is not enough continuous observation data to draw a trend yet.