LEMUR：用人类偏好反馈学习多目标策略的强化学习框架
热点事件持续更新
LEMUR：用人类偏好反馈学习多目标策略的强化学习框架
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Manith Adikari 等人在 arXiv 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，同时联合学习策略与多个目标专属的奖励模型，以在学习中平衡相互竞争的目标。作者称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。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 12:00
LEMUR：基于人类偏好反馈的多目标强化学习框架报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv cs.RO 机器人学精选LEMUR：基于人类偏好反馈的多目标强化学习框架
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。