2023年11月30日
PbRL | B-Pref：生成多样非理性 preference，建立 PBRL benchmark
摘要： 贡献：提出a56爆大奖在线娱乐生成非理性（模拟人类）preference 的方法，使用多样化的 preference，评测 PBRL 各环节算法设计（select informative queries、feedback schedule）的效果。 阅读全文
posted @ 2023-11-30 21:21 MoonOut 阅读(49) 评论(0) 推荐(0) 编辑