Freeform Preference Learning 相关 AI 资讯 · AI 热点

7月3日

04:03

04:03

Stanford AI Lab@StanfordAILab

精选

斯坦福AI实验室提出Freeform Preference Learning方法，让标注者用自然语言描述轨迹的偏好轴（如速度、精度、子任务完成度），而非仅做单一整体偏好选择。该方法学习基于这些轴的奖励函数，能提取更优策略。论文arXiv:2606.32027和博客已公开。

AI模型 Freeform Preference Learning Stanford 机器人偏好学习

推荐理由：斯坦福团队发了个新方法，让标注者用自然语言描述偏好，比单一打分更精确，机器人策略能学到更多结构信息。

7月1日

10:39

10:39

官方账号arXiv cs.AI@Marcel Torne, Anubha Mahajan, Abhijnya Bhat, Chelsea Finn

研究人员提出 Freeform Preference Learning (FPL)，让标注者通过自然语言定义速度、安全性等偏好轴，并沿各轴提供成对比较。FPL 学习语言条件奖励模型，在四个真实世界和两个模拟长程操作任务中，比稀疏奖励和二元偏好方法提升 38 个百分点。该方法无需显式子任务分割即可获得密集进度信号，且能组合未见过的行为，允许测试时无需重新训练即可引导策略偏向不同行为。论文附有博客与视频演示。

论文 FPL Freeform Preference Learning 机器人操作奖励学习偏好学习

推荐理由：想让机器人按你的偏好做事？FPL 把“快一点”“稳一点”这种主观要求变成可训练的奖励信号，效果比传统方法好 38%。