《Deep RL from Human Preferences》如何从人类偏好学习奖励并优化策略？

知识专题：强化学习与奖励题目类型：原理机制技术难度：深入

收录题集：1 份

暂无参考答案

未标记

询问 AI

选择 AI 平台

Kimi 千问 ChatGPT

自动带入当前题目

本题目录

收录题集

1 份

模型微调与适配

AMIT SHEKHAR · ai-engineering-interview-questions · 1 条原题

查看题集 →

- What is Deep RL from Human Preferences, the paper that started RLHF?