Trajectory reward

Определение

Модель вознаграждения, оценивающая каждое действие агента по траектории и штрафующая за нарушения на любом шаге.

Где встречается

• 589. Как вы делаете agent с human values alignment (Constitutional AI для агентов)

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление