Aviral Kumar

Este artículo habla sobre el uso de clasificación para funciones de valor en el aprendizaje por refuerzo profundo.

Este estudio evalúa métodos para mejorar modelos de lenguaje grandes usando datos de preferencias de los usuarios.

Un enfoque nuevo para hacer que los asistentes digitales sean más inteligentes a través del aprendizaje continuo.

Investigaciones muestran un mejor rendimiento en modelos de lenguaje usando computación adaptativa en el momento de la prueba.

Un enfoque nuevo para entrenar modelos de recompensa mejora la alineación de la IA con las preferencias humanas.

Descubre cómo el Aprendizaje por Refuerzo Agnóstico a Políticas cambia la toma de decisiones en máquinas.