Debmalya Mandal

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。

この研究では、未知の環境で報酬を配分する方法を提案してるよ。

エージェントの行動によって引き起こされる環境の変化を考慮した新しい強化学習のアプローチがあるよ。

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。

新しい方法が部分的な好みに注目することで選択の精度を改善する。

この研究は高次元線形バンディットの隠れた対称性に焦点を当ててるんだ。

パフォーマティブRLがゲームのダイナミクスやポリシーの安定性にどう影響するか探ってるんだ。

投票が大人数の意見をどう明確にするかを見てみよう。