arXiv cs.RO 机器人学· Manith Adikari, Bei Peng, Samuele Vinanzi, Angelo Cangelosi·· 5 小时前精选AI 评分47
LEMUR：基于人类偏好反馈的多目标强化学习框架
LEMUR: Learning to Align with Multi-Objective Reinforcement Learning from Preference Feedback
AI 导读
arXiv 论文提出 LEMUR 框架，让智能体从多位人类的偏好反馈中交互式学习最优多目标策略，联合学习策略与多个目标专属的奖励模型，从而在学习过程中平衡相互竞争的目标。在多种多目标基准任务上的实验结果显示，该方法性能优于基线方法。
推荐理由
论文把偏好学习从单目标扩展到多目标场景，读者可了解其联合学习策略与奖励模型的做法及基准表现。
来源：arXiv cs.RO 机器人学 · arxiv.org