非専門家フィードバック

書いてみる

関連タグ

#エージェント (5,327)
#ディープニューラルネットワーク (3)
#フィードバック (7,491)
#人間 (79,734)
#人間の好み (2)
#報酬関数 (8)
#報酬関数学習 (1)

Deep reinforcement learning from human preferences

Ikemen Mas Kot
8か月前