强化学习论文 Deep Reinforcement Learning from Human Preferences 阅读 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... 06月26日评论 阅读全文
强化学习论文 ImageReward: Learning and Evaluating Human Preferences for Text-to-Image Generation 阅读 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... 06月24日评论 阅读全文