preference-guidance

标签

#preference-guidance

IncentRL：偏好引导与任务性能的权衡

arXiv cs.LG ↗ · 2026-09-21 缓存

IncentRL 提出一个框架，用于强化学习中基于偏好的奖励塑形，该框架使用KL散度惩罚来平衡偏好引导与任务性能，并通过理论分析和在MiniGrid基准上的实验得到支持。

0 人收藏 0 人点赞