研究人员推出了一种新颖的RENEW框架，旨在通过使用人类偏好来纠正可利用的动力学，从而改进离线强化学习中的世界模型。这种被称为人类反馈动力学学习（DLHF）的方法侧重于训练模型识别和避免其预测中的“幻觉”。RENEW通过将微调工作导向模型表现出最大不确定性和可利用弱点的区域来提高样本效率，这在Jumanji和经典控制环境的实验中得到了证明。 AI
影响 这项研究为提高强化学习场景中AI世界模型的鲁棒性和可靠性提供了一种新方法。
排序理由 该集群包含一篇详细介绍AI模型训练新方法的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
