Jeff Schneider

新しい手法がオフラインRLを強化して、データの利用効率を上げるために潜在拡散を使ってるよ。

自己運転車のナビゲーションを改善するためのDiffusion-ES技術の探求。

この研究は、ユーザーの好みデータを使って大規模言語モデルを強化する方法を評価してるよ。

言語モデルにおけるデータ価値の重要性とその影響を考察する。

Soft-QMIXは、QMIXと最大エントロピーを組み合わせて、エージェントの協力を改善するよ。

新しい方法が、チームワークの場でエージェントが互いの行動から学ぶやり方を改善するんだ。