BriefGPT - AI 论文速递 · 2024-02-06T00:00:00Z SEABO: 离线模仿学习的简单基于搜索的方法 💡 原文中文，约200字，阅读约需1分钟。 📝 内容提要 通过SEABO方法，可以从专家数据和未标记数据中获取奖励函数。SEABO在只有一个专家轨迹的情况下，能够与真实奖励的离线强化学习算法相竞争，并在许多任务中优于先前的奖励学习和离线模仿学习方法。 🏷️ 标签 SEABO 专家数据 奖励函数 未标记数据 离线强化学习 阅读原文 生成长图 分享链接 已复制链接
