论文
Deep Reinforcement Learning from Human Preferences
2017年发表的奠基性论文，提出了基于人类偏好的深度强化学习方法，是RLHF技术路线的核心理论基础之一
时间轴 (近 90 天)
9月11日
Christiano于2017年与同事发表论文《Deep Reinforcement Learning from Human Preferences》，奠定了RLHF方向的理论基础
待验证70%
9月11日
Christiano在2017年发表论文《Deep Reinforcement Learning from Human Preferences》，被认为是RLHF技术路线的奠基性工作之一
待验证50%