Jakob N. Foerster

リアルなデータストリームを使って言語モデルを評価する新しいシステム。

合成環境はRLエージェントのトレーニング効率とパフォーマンスを向上させる。

研究者たちは強化学習のパフォーマンスを向上させる新しい方法を探ってる。