论文10:01
基于偏好反馈的核MDP学习：理论分析与遗憾界偏好反馈是 RLHF 的核心，但理论分析一直稀缺。这篇论文把核 MDP 和偏好学习结合，给出了亚线性遗憾界，做理论强化学习或 RLHF 算法设计的研究者值得细读。
#核MDP
共 1 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「核MDP」标签的资讯、产品与论文，按刊登时间排，新的在上。
5月25日
偏好反馈是 RLHF 的核心，但理论分析一直稀缺。这篇论文把核 MDP 和偏好学习结合，给出了亚线性遗憾界，做理论强化学习或 RLHF 算法设计的研究者值得细读。