标签
本文研究了在无法获取逐状态专家动作标签的情况下，对修复决策策略的自主AI系统的评估问题，采用了一个具有区域级诊断反馈的酒店定价模拟器。研究发现聚合对齐可能产生误导，并提议通过闭环结果而非行为距离来评估策略修复。