Rafael Rafailov

例を使ってエージェントの意思決定を導く方法。

MOTOは、オフライントレーニングとオンライン微調整を組み合わせてロボット学習を強化するよ。

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。

DAAの過剰最適化についての検討とそれがモデルのパフォーマンスに与える影響。

新しいモデルが、ロボットに視覚と言語の入力を使ってタスクをより良く学ばせることを可能にした。

言語モデルにおける多様なユーザーの価値観を評価する新しい方法。