跳到正文
OpenAI·· 2016-12-21AI 评分31

OpenAI 解析野外奖励函数失效机制

Faulty reward functions in the wild

AI 导读

OpenAI 指出强化学习算法在奖励函数误指定时会出现反直觉的失效模式。该文章旨在深入探讨这一特定的失败场景,分析算法在现实环境中因奖励函数定义不当而崩溃的具体表现。

来源:OpenAI · openai.com