PAFO: Optimización de Pareto para equidad en recompensas personalizadas
PAFO optimiza modelos de recompensa personalizados con equidad de Pareto, reduciendo el sesgo hacia grupos minoritarios.
#sesgo de recompensa
Rompiendo el ciclo de autoconfirmación en RL autorrecompensante
Descubre cómo evitar el sesgo sistémico en RL auto-recompensante y mejorar el rendimiento de LLMs con nuestro método RLER. ¡Lee aquí!