David D. Yao

新しい方法は、継続的な強化学習を通じてリアルタイム環境での意思決定を改善する。

新しいフレームワークが人間のフィードバックを使って画像生成を改善しようとしてるよ。

好みの調整がどうやってモデルを人間のフィードバックに合わせるか学ぼう。