Csaba Szepesvári

Ce papier examine des méthodes pour améliorer l'estimation de la valeur dans l'apprentissage par renforcement malgré les défis.

Une nouvelle méthode améliore le FQI en utilisant la log-loss pour une meilleure efficacité d'apprentissage.

Traiter les hallucinations pour améliorer la fiabilité des modèles de langage.

Un coup d'œil sur les types d'incertitude et leur importance dans les modèles de langue.

Les CMDPs fusionnent la maximisation des récompenses avec la sécurité dans les applications d'IA.