Matthieu Geist

Wir stellen ExpectRL vor, um Überbewertung im Reinforcement Learning mit Hilfe von Erwartungswerten anzugehen.

Ein neuer Massstab zum Testen robuster Verstärkungslernmethoden in verschiedenen Umgebungen.

Forscher verbessern das Verstärkungslernen mit einem neuen Rahmen für unsichere Umgebungen.

Der kontrastive Policy-Gradient bietet eine effizientere Möglichkeit, Sprachmodelle zu verbessern.

Ein Blick darauf, wie IRL die Leistung und Vielfalt von Sprachmodellen verbessert.