Nirjhar Das

新しい方法がデータ収集を強化して、言語モデルの調整を良くするんだ。

この論文では、コンテキストバンディットシナリオにおける意思決定を改善するためのアルゴリズムについて話してるよ。

この研究は、より良い意思決定のために線形コンテキストバンディットにおけるハイブリッド報酬を探るものです。