差分隐私稀疏奖励估计框架提出

Meng Ding 等人提出 Private Sparse RLHF 问题，并首次为 Bradley-Terry-Luce 模型下成对偏好反馈的差分隐私稀疏奖励估计建立完整理论框架。 该研究假设奖励模型仅由 s* ≪ d 个相关特征决定，以此处理隐私约束下的稀疏奖励估计。论文称这是首个针对该设定建立完整理论框架的工作，但摘要未给出实验验证或实际效果数据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。