本文是对 Deep Reinforcement Learning from Human Preferences 的论文阅读，这篇文章介绍了一种从人类反馈中学习奖励函数的方法。感觉是...

本文是 Reward Model 在 Text-to-Image 上的一个应用，训练 RM 模型来判断模型生成的结果如何。本文作者主要对 text-to-image 领域提出了一个...

本文会介绍 RLHF 的相关内容，主要从原理层面，介绍 RLHF 的三个步骤，（1）预训练语言模型；（2）训练奖励模型；（3）使用强化学习微调语言模型；也会包含 InstructG...

本文是文章《Deep TAMER: Interactive Agent Shaping in High-Dimensional State Spaces》的相关阅读笔记。本文主要介...

本文是阅读论文 CURL: Contrastive Unsupervised Representations for Reinforcement Learning 的一些记录。这篇...

这篇文章尝试将数据增强的方法用在强化学习中，并取得了很好的效果。和很多其他的好论文一样，Simple idea but very very work，值得一看。