Hongyi Guo

この研究は、大規模言語モデルとモンテカルロツリーサーチを組み合わせて、ゲームの意思決定をより良くしようとしてるんだ。

人間のフィードバックで訓練されたモデルの過剰最適化を最小限に抑える方法を紹介します。