主页
返回索引
+
点赞
0
Awesome RL with Human Feedback / 2022 / arXiv
Non-Markovian Reward Modelling from Trajectory Labels via Interpretable Multiple Instance Learning
作者：
Joseph Early, Tom Bewley, Christine Evers, Sarvapali Ramchurn ·
来源：
arXiv ·
发布日期：
2022
奖励建模
信用分配/密集奖励
可解释性
新标签打开 AlphaXiv
新标签打开 Code
AlphaXiv 中文概览（可滚动查看）
