arXiv cs.AI / cs.LG 最新· Helena Merker·· 5 天前AI 评分58
CoRL 2026 论文提出针对性主动偏好学习，低查询预算下奖励恢复最高提升 30.8%
Asking Smarter Questions: Targeted Active Preference Learning for Underspecified Rewards
AI 导读
一篇被 CoRL 2026 接收的论文提出把欠定奖励的负担从人转移到机器人一侧，让机器人主动提出更有针对性的偏好查询。方法是用人类教学数据构建知情先验，把查询定向到监督不足的特征上，并为每个查询附上解释，把人的注意力聚焦到这些特征。仿真显示该先验在低查询情形下比标准主动偏好学习基线最高提升 30.8%，用户研究中先验与解释各自显著改善奖励恢复，并且效果相互放大。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。