它是什么
研究提出PGPG无监督偏好对齐框架，借助专家演示自动生成伪偏好标签，用于微调生成式控制策略。论文提出理由引导的偏好强化学习框架，在偏好标签外引入理由标签，学习更可解释、更符合人类偏好的奖励模型。
具身大模型与强化学习
具身大模型与强化学习
本站已收录 2 篇归入“具身大模型与强化学习”的具身智能相关资讯。
- 主要玩家
- 0
- 相关文章
- 2
- 相关快讯
- 2
- 相关论文
- 2
3 MIN CRASH COURSE
3 分钟搞懂具身大模型与强化学习
为什么难
- PGPG：无需人工标注的生成式控制策略偏好对齐框架
- 基于理由引导的人类奖励建模：用偏好标签与理由标签对齐机器人行为
为什么重要
主要玩家
KEY PLAYERS主要玩家
具身大模型与强化学习全资讯
FULL COVERAGE具身大模型与强化学习全资讯
PGPG：无需人工标注的生成式控制策略偏好对齐框架
研究提出PGPG无监督偏好对齐框架，借助专家演示自动生成伪偏好标签，用于微调生成式控制策略。
基于理由引导的人类奖励建模：用偏好标签与理由标签对齐机器人行为
论文提出理由引导的偏好强化学习框架，在偏好标签外引入理由标签，学习更可解释、更符合人类偏好的奖励模型。