Adish Singla

データの破損があっても人間のフィードバックを使って強化学習を改善するアルゴリズムを開発中。

2人零和マルコフゲームにおけるデータ破損が学習戦略に与える影響を調査中。

研究はRLとLLM技術を組み合わせて教育エージェントのパフォーマンスを向上させる。

ヒントがプログラミングスキルやバグ修正をどう向上させるかを見てみよう。