提出了一种端到端的RLAIF框架用于生成可移植的求职搜索查询,并通过引入基于规则的奖励底线等奖励塑造方法有效缓解了奖励黑客导致的逐字复制问题,显著提升了查询生成质量。
机构:LinkedIn
来源:arXiv 2606.27291 | AI4Papers 论文推荐平台