Sangyun Lee

新AI算法仅通过负奖励从失败中学习

研究人员开发了BaNEL（贝叶斯负证据学习），这是一种新颖的算法，旨在仅使用负反馈来改进生成模型。该方法在成功样本稀少且奖励评估成本高昂的情况下特别有用。BaNEL将学习过程构建为一个生成建模问题，专注于理解失败，从而使其能够引导生成过程远离先前观察到的不成功尝试。实验表明，BaNEL在稀疏奖励任务上的表现显著优于现有的新颖性奖励方法，以更少的奖励评估实现了更高的成功率。