BriefGPT - AI 论文速递 · 2025-01-20T00:00:00Z

Curiosity-Driven Reinforcement Learning Based on Human Feedback

📝

内容提要

本研究提出了一种好奇心驱动的强化学习框架（CD-RLHF），旨在解决人类反馈强化学习中输出多样性降低的问题。实验结果表明，CD-RLHF在多个任务上显著提升了输出多样性，同时与人类偏好的对齐效果相当。

🏷️

标签

人类反馈 好奇心 对齐效果 强化学习 输出多样性