arXiv · AI· Ruiqi Wang, Dezhong Zhao, Xuesu Xiao, Erdem Biyik, Byung-Cheol Min, Guohua Chen·· 4 小时前AI 评分22
PrefO2O：基于离线到在线潜在偏好迁移的零样本偏好强化学习
PrefO2O: Zero-Shot Preference-Based Reinforcement Learning via Offline-to-Online Latent Preference Transfer
AI 导读
PrefO2O 提出离线到在线潜在偏好迁移框架，实现新任务零样本偏好强化学习，无需人类反馈。 框架从源任务离线偏好数据中学习任务不变潜在空间，结合置信度加权最优传输对齐生成伪偏好监督。 实验显示其性能超越现有偏好迁移基线，达到或超过使用真实人类反馈训练的方法。
来源：arXiv · AI · arxiv.org