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