報酬関数学習

書いてみる

関連タグ

#エージェント (3,440)
#ディープニューラルネットワーク (3)
#フィードバック (5,496)
#人間 (63,412)
#人間の好み (2)
#報酬関数 (6)

Deep reinforcement learning from human preferences

Ikemen Mas Kot
1か月前