DexDICE:通过双专家离线模仿学习协调安全性和性能
原文:DexDICE: Reconciling Safety and Performance via Dual-Expert Offline Imitation Learning
在离线模仿学习(IL)中确保高回报的同时提供强大的安全保证是一项根本性的挑战:现有的方法要么依赖于明确指定的成本函数,而这些成本函数很难针对复杂的现实世界安全约束进行设计,要么需要既安全又高性能的专家演示,而收集这些演示的成本往往太高。我们推出双
正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。
抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。
正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。