论文11:32
Targeted Active Preference Learning：让机器人主动提问补齐奖励学习的盲区机器人训练不再让人类重头再教，而是机器自己定向提问并解释该看哪，低查询量下效果提升三成。
#偏好学习
共 5 条 · 7 天 0 条 · 30 天 1 条
信息流里打上「偏好学习」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月16日
7月3日
Freeform Preference Learning：用自然语言描述偏好轴改进机器人策略
斯坦福团队发了个新方法，让标注者用自然语言描述偏好，比单一打分更精确，机器人策略能学到更多结构信息。
7月1日
论文10:39
Freeform Preference Learning 实现机器人多维度偏好操控想让机器人按你的偏好做事？FPL 把“快一点”“稳一点”这种主观要求变成可训练的奖励信号，效果比传统方法好 38%。
6月3日
ThoughtFold：通过内省偏好学习折叠推理链，减少冗余探索
ThoughtFold解决了LRM过度思考的痛点，做推理模型优化的团队可以直接参考其内省偏好学习方法，能大幅降低计算成本而不牺牲精度。
5月26日
Info-Synth：主动查询合成框架优化偏好学习
偏好学习是许多决策系统的核心，但标注成本高。Info-Synth 解决了传统主动学习计算昂贵和反馈不可靠的问题，做推荐系统、人机交互或机器人调优的团队可以直接参考该方法来降低数据成本。