10:57
arXiv cs.LG@Mohamed Nabail, Leo Cheng, Jingmin Wang, Nicholas Rhinehart
推荐理由：UBP2通过主动探索和不确定性平衡，有效解决了偏好强化学习中样本效率低的问题。在Meta-World测试中效果显著。
全部 AI 动态
AI 相关资讯全量信息流
6月18日
10:57
UBP2是一种基于模型的偏好强化学习方法，通过联合推理奖励、动态和价值函数的不确定性来主动引导探索。该方法使用集成模型对候选轨迹进行评分，平衡期望奖励、终止价值和认知不确定性。在Meta-World基准测试中，UBP2比无模型的偏好方法和非乐观的基于模型基线实现了更高的样本效率。
6月16日
20:46
AITOP6月16日 20:46
10:27
10:27
arXiv cs.LG@Dong Hyun Jeong, Feng Chen, Jin-Hee Cho, Lance M. Kaplan, Audun Jøsang, Soo-Yeon Ji
推荐理由：这篇论文把不确定性可视化了，能告诉你模型哪里没学过、哪里证据打架，比光给一个置信度有用多了。
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
6月10日
13:03
13:03
arXiv cs.AI@Fabio Rovai
精选
推荐理由：这篇论文戳破了“数据足够就能预测一切”的常见假设，做因果推断、反事实推理或世界模型研究的开发者会看到理论上的新边界——原来预测器天生缺失跨世界耦合信息，而WorldKernel给出了补全它的数学框架，值得细读。
5月27日
10:33
10:33
arXiv cs.AI@Kevin H. Guo, Chao Yan, Avinash Baidya, Katherine Brown, Xiang Gao, Juming Xiong, Zhijun Yin, Bradley A. Malin
精选
推荐理由：做LLM对齐和安全性研究的团队值得关注——MUSE框架帮你区分模型是‘真谄媚’还是‘没底气’，从而设计更精准的干预策略。
5月26日
06:36
06:36
rohanpaul_ai@rohanpaul_ai
rohanpaul_ai@rohanpaul_ai72°
推荐理由：这篇论文点破了 LLM 幻觉的核心矛盾——不是知识不够，而是不知道什么时候该说“不确定”。做 AI 产品、智能体或对话系统的团队，看完会对“诚实比正确更重要”有更深理解，建议直接读原文。
5月17日
21:01
21:01
Gary Marcus@GaryMarcus
Gary Marcus@GaryMarcus推荐理由：AI从业者和关注AGI风险的人值得一看——它戳破了“AI会让一切变好”的简单叙事，提醒我们不确定性才是最大的变量。