PulseAugur
中
实时 12:49:28
实体 Preference Reward Responsiveness

Preference Reward Responsiveness

PulseAugur coverage of Preference Reward Responsiveness — every cluster mentioning Preference Reward Responsiveness 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_315210 ·

    机器人代理通过偏好条件强化学习获得可控控制

    研究人员探索了机器人代理的可控控制方法，旨在允许单一策略根据用户偏好调整其行为。他们使用偏好奖励响应度（PRR）等指标，评估了偏好条件强化学习中不同聚合级别，包括奖励、优势和损失级别。研究发现，没有一种聚合方法能在所有环境和标准下始终优于其他方法。早期聚合目标导致更广泛的行为响应，但也带来意外变化，而后期聚合则以牺牲响应度为代价提高了控制精度。