AAAIDec, 2018

可解释的偏好学习：基于博弈论的大间隔在线特征及规则学习框架

PDF
TL;DR本文提出了一种将博弈论与偏好学习相结合的新算法，可解决大规模特征选取和模型可解释性等问题，并在分类任务中实现了最先进的精度。
machine learninggame theorypreference learningfeature selectioninterpretability
发现论文，激发创造
  • 实用特征偏好：从人类输入中学习与奖励相关的偏好

    通过研究人类社会学习观点，将社会背景纳入考虑，并提出了一种从用户特征层次偏好中学习更精确奖励模型的方法，结果表明这种方法能够更高效地与用户对齐并获得准确的奖励。

    May, 2024

  • 一种基于排名的模仿学习游戏

    本文提出了一种将模仿学习看作是一种基于排名的二人游戏的新框架，并使用一种新型排名误差来实例化该框架，从而同时学习专家演示和偏好，实现了两种模态的优势，并在 Learning from Observation (LfO) 环境中实现了先进的样本效率和可扩展性。

    Feb, 2022

  • 人类对适应性机器的适应趋于博弈论均衡

    本文通过运用机器学习算法与博弈论的框架， 利用多个均衡状态来调节和预测智能人和机器之间的协同适应交互， 并发现某些算法可有效地控制人的行为，从而引导人机交互达到机器的最优状态。

    May, 2023

  • 基于分布学习的博弈论解决方案框架

    该论文提出了一种统一的学习理论方法来建模经济问题，通过适应解决方案概念学习域的函数空间维数的概念 - 图形维度 - 建立工具，识别了解决方案概念的 PAC 可学习性的充分条件，并说明现有作品中的结果可以立即使用我们的方法来推导。最后，我们将我们的方法应用于其他经济领域，得出了 PAC 竞争均衡和 PAC Condorcet 胜者的新概念。

    Mar, 2019

  • 战略分类

    机器学习中的好斗现象及其解决方案的研究，通过将分类问题建模为一种游戏的方式，提出了一种近乎最优的、能够抵抗 “好斗” 现象的分类器设计算法，尤其对于一类自然代价函数而言，该算法在计算上也是高效的。

    Jun, 2015

  • 利用高斯过程从偏好和选择中学习的教程

    通过理解个体的偏好和选择方式，构建能够与其预期十分匹配的产品，并将经济学、决策理论原则融入学习过程中，本文提出了一种以高斯过程为基础的偏好学习模型的完整框架，并介绍了一些用于填补现有文献中空白的新颖基于高斯过程的模型。

    Mar, 2024

  • 交互式学习的信息论方法

    本文提出了一种量化的交互式学习和自适应行为方法，并从模型和决策制定的角度整合了行为反馈。通过在最小复杂度下最大化预测能力，导出了最优行为政策和模型的类，并总结了这一过程的因果组织。该方法的基本原则之一是学习者的最优行为政策需要在勘探和控制之间保持平衡，这是一个新的重点。

    Sep, 2007

  • 学习无知、不一致智能体的偏好

    研究机器学习中先前观察到的人们的选择，作为贝叶斯反向规划的先验，建议了一种引入计划偏差和时序不一致性的算法，通过构造计划生成模型，分析了其对偏差和忠诚度的推断。人体实验表明，人们也会从系统性偏离最佳行为中解释选择，并考虑这些偏差。

    Dec, 2015

  • 基于主动偏好学习的强化学习 APRIL

    本文提出了一种基于偏好反馈的强化学习算法，结合了主动排序策略，能够在具有限先验知识（如群体机器人）的情景下，使用专家反馈指导智能体的策略搜索，经过少量专家排序即可获得满意的策略。

    Aug, 2012

  • 超越人类偏好：通过 LLMs 探索强化学习轨迹的评估与改进

    基于偏好的强化学习利用大型语言模型生成自动偏好数据，并通过重构奖励函数来优化强化学习训练，在复杂环境中加速收敛并提高效果。

    Jun, 2024