PrefO2O实现零样本偏好强化学习
热点事件持续更新
PrefO2O实现零样本偏好强化学习
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Ruiqi Wang等作者提交论文，提出离线到在线潜在偏好迁移框架PrefO2O，称其可在没有任何人类反馈的情况下，对未见目标任务实现零样本偏好强化学习。 该方法从源任务的少量离线偏好数据中学习任务无关的潜在偏好空间，将可迁移偏好结构与任务特定变化解耦，并用置信度加权最优传输对齐生成伪偏好监督。 作者称，在机器人操作与运动基准上，PrefO2O显著优于现有偏好迁移基线，达到或超过使用真实人类反馈训练的PbRL方法。
AI 根据报道生成 · 49 分钟前更新
最新进展10月26日 12:00
PrefO2O：通过离线到在线潜在偏好迁移实现零样本偏好强化学习报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AIPrefO2O：通过离线到在线潜在偏好迁移实现零样本偏好强化学习
PrefO2O 提出一种离线到在线潜在偏好迁移框架，可在无任何人类反馈的情况下对未见目标任务实现零样本偏好强化学习。该方法从源任务的少量离线偏好数据中学习任务无关的潜在偏好空间，将可迁移偏好结构与任务特定变化解耦，并用置信度加权最优传输对齐生成伪偏好监督。在机器人操作与运动基准上，PrefO2O 显著优于现有偏好迁移基线，达到或超过使用真实人类反馈训练的 PbRL 方法。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。