谷歌浏览器插件
订阅小程序
在清言上使用
VIPCreated with Sketch.

The Perils of Optimizing Learned Reward Functions: Low Training Error Does Not Guarantee Low Regret

Lukas Fluri,Leon Lang,Alessandro Abate,Patrick Forré,David Krueger,Joar Skalse

arxiv（2024）

引用 0|浏览13
暂无评分
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要