RESEARCH · SIGNAL STARTUP
Asking Smarter Questions: Targeted Active Preference Learning for Underspecified Rewards
arXiv:2610.22285v1 Announce Type: cross Abstract: Reward learning typically assumes the human's input covers everything that matters for the task. In practice, humans can only att…
出典・元記事arXiv — Human-Computer Interactionhttps://arxiv.org/abs/2610.22285 配信元で続きを読む◆ SOURCE POLICY
公開RSS・Atomから取得した短い概要のみを表示しています。詳細は必ず配信元の記事で確認してください。
公開RSS・Atomから取得した短い概要のみを表示しています。詳細は必ず配信元の記事で確認してください。
SHARE STARTUP