跳到正文
arXiv · AI· Shihab Ahmed, Debamita Ghosh, David Tang, Yudan Wang, Alvaro Velasquez, Yue Wang·· 17 天前AI 评分22

偏好不确定性下的鲁棒纳什对齐方法

Robust Nash Alignment under Preference Uncertainty

AI 导读

针对偏好模型不确定性导致对齐方法脆弱的问题,论文提出鲁棒纳什对齐(Robust Nash Alignment)博弈论框架。 该方法通过四玩家原始对偶代理游戏及单循环乐观镜像下降-上升算法求解,证明了 $O(1/\sqrt{T})$ 的迭代平均收敛性,并在受控表格博弈和 LLM 对齐实验中展现了对偏好扰动的增强鲁棒性。 该工作已被 NeurIPS 2026 接收。

来源:arXiv · AI · arxiv.org