arXiv 机器学习· Shan Yang·· 7 hours agoAI score40
教 AI 智能体学习“原则”而非“奖励”
Teaching Agents the "Principle", Not the "Reward"
Not yet translated; shown in Chinese.
AI guide
研究人员提出规范性策略学习（PPL），直接向 AI 智能体传授高层任务行为原则而非依赖传统标量奖励，以解决强化学习的奖励解码负担。PPL 可在每一步直接指示智能体对原则的遵循程度，让智能体在完全无需奖励的情况下完成策略学习。实验显示，仅学习简单启发式原则的 PPL 智能体以更少样本超越了基于奖励的方法，并展现出优异的跨环境迁移泛化能力。
Source:arXiv 机器学习 · arxiv.org