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 (4,009)
#ディープニューラルネットワーク (3)
#フィードバック (6,289)
#人間 (70,941)
#人間の好み (2)
#報酬関数 (7)
#報酬関数学習 (1)

Deep reinforcement learning from human preferences

Ikemen Mas Kot
4か月前