提出Aggregational Policy Censoring Objective(APC-Obj)和Fiber Bundle Gating(FBG)框架,将RLHF中的信任区域优化建模为纤维丛上的代数分解,导出FiberPO目标函数,实现轨迹级与token级的解耦稳定控制,并通过可组合的Fibration G…
机构:JD
来源:arXiv 2603.08239 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程