2024年11月20日
PbRL | Christiano 2017 年的开山之作，以及 Preference PPO / PrefPPO
摘要： Deep reinforcement learning from human preferences 论文阅读，以及 PrefPPO 算法阅读。 阅读全文
posted @ 2024-11-20 15:16 MoonOut 阅读(82) 评论(0) 推荐(0) 编辑