LEASE：具有高样本效率的离线基于偏好的强化学习
📝
内容提要
本研究解决了离线基于偏好的强化学习中偏好标签获取困难的问题。提出的LEASE算法通过学习过渡模型生成无标签偏好数据，并设计了不确定性感知机制以提高奖励模型的精准度。实验结果显示，LEASE在使用较少偏好数据的情况下，仍能与基线方法相媲美，从而具有重要的实用价值。
🏷️
➡️
