新的强化学习算法可从具有未知链接函数的偏好中学习

研究人员开发了一种新的强化学习算法，称为Sign-SZPO，即使在偏好与结果之间的关系未知的情况下，它也可以从偏好反馈中学习。这种方法避免了现有方法中常见的已知链接函数的限制性假设。Sign-SZPO估计值函数差的符号来构建策略更新方向，在经验评估中证明了可证明的收敛性和对错误规范的鲁棒性。 AI

影响 这项研究可能导致更强大的强化学习系统，这些系统能够适应复杂、真实的偏好数据。

排序理由 该集群包含一篇在arXiv上发表的关于新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• alphaXiv
• arXiv
• Bradley--Terry model
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• Qining Zhang
• ScienceCast
• Sign-SZPO

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →