PulseAugur
中
实时 12:03:50
实体 Expected Scalarized Returns

Expected Scalarized Returns

PulseAugur coverage of Expected Scalarized Returns — every cluster mentioning Expected Scalarized Returns across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_206343 ·

    新研究通过关注每轮违规来针对道德强化学习代理

    一篇新研究论文提出，通过关注每轮分布而非平均性能来训练强化学习代理以展现道德行为。该研究在Craftax基准测试中比较了四种训练方法，发现一种在预期标量回报（ESR）标准下优化每轮非补偿效用的方法最有效。与允许违规平均化或在最坏情况下超出预算的其他方法不同，这种ESR方法几乎确保了在每一轮中都满足规定的违规预算。