【ICML2025】组合优化问题中的偏好优化

正文

请到「今天看啥」查看全文

式 策略。 尽管 已有 显著 进展， 现有 的 RL 方法 仍 面临 诸 多 挑战， 例如 在 庞大 的 组合 动作 空间 中 奖励 信号 逐渐 减弱、 探索 效率 低下 等 问题， 导致 整体 性能 受限。

为此， 本文 提出 了 一种 新 方法—— 偏好 优 化（ Preference Optimization） 。 该 方法 通过 统计 比较 建 模， 将

请到「今天看啥」查看全文