当前标签：PbRL

PbRL · MARL | 近期 preference-based MARL 工作速读
MoonOut 2025-12-15 14:20 阅读:47 评论:0 推荐:0
PbRL | 近两年论文阅读的不完全总结
MoonOut 2025-11-29 15:04 阅读:1093 评论:0 推荐:2
offline RL · PbRL | LiRE：构造 A>B>C 的 RLT 列表，得到更多 preference 数据
MoonOut 2024-11-30 16:07 阅读:303 评论:0 推荐:0
PbRL | Christiano 2017 年的开山之作，以及 Preference PPO / PrefPPO
MoonOut 2024-11-20 15:16 阅读:321 评论:0 推荐:0
PbRL | RIME：用交叉熵 loss 大小分辨 preference 是否正确 + 内在奖励预训练 reward model
MoonOut 2024-07-25 16:10 阅读:229 评论:0 推荐:0
offline RL · PbRL | Preference Transformer：反正感觉 transformer 很强大
MoonOut 2024-03-06 12:57 阅读:399 评论:0 推荐:0
offline RL · PbRL | OPPO：PbRL 场景的 offline hindsight transformer
MoonOut 2024-02-27 21:38 阅读:166 评论:0 推荐:0
PbRL | 速通 ICLR 2024 RLHF · PbRL
MoonOut 2024-01-21 11:17 阅读:684 评论:0 推荐:0
PbRL | QPA：选择 near on-policy query，加速 policy learning 收敛速度
MoonOut 2023-12-17 15:28 阅读:160 评论:0 推荐:0
PbRL | B-Pref：生成多样非理性 preference，建立 PbRL benchmark
MoonOut 2023-11-30 21:21 阅读:271 评论:0 推荐:0
PbRL · offline RL | OPRL：发现部分 D4RL tasks 不适合做 offline reward learning
MoonOut 2023-11-13 18:11 阅读:730 评论:0 推荐:0
PbRL | SURF：使用半监督学习，对 labeled segment pair 进行数据增强
MoonOut 2023-11-11 20:16 阅读:443 评论:0 推荐:1
PbRL | RUNE：鼓励 agent 探索 reward model 更不确定的 (s,a)
MoonOut 2023-11-10 17:43 阅读:590 评论:0 推荐:3
PbRL | PEBBLE：通过 human preference 学习 reward model
MoonOut 2023-11-09 20:40 阅读:644 评论:0 推荐:0