机器人奖励监督方式错了
We’ve been approaching reward supervision for robots the wrong way.
AI 导读
我们一直用错误的方式处理机器人的奖励监督。 我认为自由形式的偏好是答案的一部分。
正文
当前显示原文，中文全文译文尚未就绪。
We’ve been approaching reward supervision for robots the wrong way.
I think freeform preferences are part of the answer.