跳到正文
arXiv · ML· Eleftherios Triantafyllidis, Filippos Christianos, Zhibin Li, Bernd Bickel·· 2 天前AI 评分22

WATERFALL:面向自适应训练的进化奖励生成与自动学习循环工作流

WATERFALL: Workflow for Adaptive Training with Evolutionary Reward Formulation and Automated Learning Loops

AI 导读

论文提出名为 WATERFALL 的迭代种群工作流,在 POMDP 环境下实现自动化奖励发现。 该方法通过人格化生成合成多样化奖励候选,利用视觉语言模型评估视觉 rollout 并举行瑞士制淘汰赛以筛选精英候选。 结果显示,WATERFALL 在部分可观测环境中性能优于保留信息优势的基线方法,相关代码已开源。

来源:arXiv · ML · arxiv.org