Stanford 提出 Freeform Preference Learning：用自然语言偏好轴改进机器人策略

Stanford AI Lab 提出 Freeform Preference Learning，让标注者用自然语言描述偏好轴，并据此学习条件奖励、提取更优策略。该方法针对机器人反馈中单一偏好会掩盖信息的问题——如同样的两条轨迹，一条掉了餐具、一条掉了盘子，只问一个偏好无法体现差异。相关博客与论文已公开（arXiv 2606.32027）。