Guillaume Couairon
収録論文 1本 ・ フィジカルAI/ロボット学習
アラインメント
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- 報酬スープ:多様な報酬で微調整した重みを補間してパレート最適なアラインメントへアラインメント2023/6/7
多様な報酬で個別に微調整した複数のモデルの重みを線形補間することで、単一の報酬に偏らず、好み空間全体でパレート最適な汎化を実現する手法を提案。
世界のフィジカルAIを、日本語で。
収録論文 1本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
多様な報酬で個別に微調整した複数のモデルの重みを線形補間することで、単一の報酬に偏らず、好み空間全体でパレート最適な汎化を実現する手法を提案。
PR・アフィリエイト広告