Mark Rowland

研究は、言語モデルをより安全でユーザーにとって便利にすることを目指している。

新しい方法が行動条件付き予測を通じて強化学習における意思決定を向上させる。

新しいアルゴリズムが強化学習における複数の報酬を使った意思決定を改善する。