offline-training

tldraw宣布，现在可以在绘图工具中离线训练神经网络。

本文介绍了一种算法无关的方法——反馈操控正则化（FMR），它利用评估性反馈改善模仿学习中的对齐效果，在Safety Gymnasium环境中实现了高达98%的对齐错误减少。