BriefGPT - AI 论文速递 · 2024-01-15T00:00:00Z

多目标住宅能源管理中从示范推断偏好

📝

内容提要

本文介绍了强化学习中的两个重要近似，以及直接偏好优化方法。作者提出了一种新的通用目标ΨPO，可以绕过这两个近似。通过将Ψ设置为Identity，作者还提出了一种有效的优化过程，证明其性能优于DPO。