BriefGPT.xyz
Ask
alpha
关键词
constraint satisfaction rate
搜索结果 - 1
面向会话式 AI 系统的受控自学习的受限策略优化
本研究提出了一种可扩展的框架处理个别领域的细粒度探索目标,通过用户定义的限制来确保商业关键领域的政策偏差较少,并将更多的探索预算分配到音乐等领域,提出的方法通过一个元目标调整约束违规惩罚项的自适应,鼓励领域间平衡的约束满足,实验结果表明该方
→
PDF
2 years ago
Prev
Next