Profile

Rémi Munos

FAIR, Meta

Zweryfikowany adres z inria.fr

Cytowane przez 47605

deepRL RLHF MCTS bandit theory statistical learning

Thomas Scialom

FAIR - Meta AI

Zweryfikowany adres z meta.com

Cytowane przez 25569

AGI Agents Reinforcement Learning RLHF

Yuxiao Dong

CS, Tsinghua University

Zweryfikowany adres z tsinghua.edu.cn

Cytowane przez 23561

Large Language Models RLHF Reasoning/Agent Graph Representation Learning Data Mining

Michal Valko

Chief Models Officer @ Stealth Startup, Inria & MVA - Ex: Llama at Meta; Gemini and BYOL …

Zweryfikowany adres z meta.com

Cytowane przez 17767

large language models reasoning fine-tuning test-time computation RLHF

Hannah Sheahan

OpenAI

Zweryfikowany adres z google.com

Cytowane przez 5892

RLHF foundation models cognitive science

W Bradley Knox

Research Associate Professor at UT Austin

Zweryfikowany adres z cs.utexas.edu

Cytowane przez 4461

Reward functions Alignment RLHF Reinforcement Learning Human-Robot Interaction

Rui Zheng

Fudan University

Zweryfikowany adres z fudan.edu.cn

Cytowane przez 1942

RLHF Language Model

Shihan Dou

Fudan University

Zweryfikowany adres z m.fudan.edu.cn

Cytowane przez 1869

Alignment RLHF Reward Modeling

Xiao Wang

Fudan University; Zhipu AI

Zweryfikowany adres z fudan.edu.cn

Cytowane przez 1842

LLM RLHF Reasoning Safety

Wei Xiong

Computer Science, University of Illinois Urbana-Champaign

Zweryfikowany adres z illinois.edu

Cytowane przez 1519

Learning Theory Reinforcement Learning RLHF

1 - 10