PulseAugur
实时 14:32:18
实体 Feedback Manipulation Regularization

Feedback Manipulation Regularization

PulseAugur coverage of Feedback Manipulation Regularization — every cluster mentioning Feedback Manipulation Regularization 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. RESEARCH · CL_133612 ·

    新研究推动AI对齐和模仿学习中的样本效率

    研究人员开发了新的方法来改进人工智能代理与人类价值观的对齐。一种方法是反馈操纵正则化(FMR),它利用评估反馈作为模仿学习中的纠正信号来增强策略对齐,在适应性安全体育馆环境中显著减少了不对齐现象。另一项研究为离策略对抗模仿学习(AIL)算法提供了理论保证,表明重用近期策略的样本可以在不影响收敛的情况下提高样本效率,为更具数据效率的AIL提供了理论基础。