Optimizar directamente las preferencias humanas con RL, esta idea es bastante limpia, mucho más elegante que apilar clasificadores.

ME News Noticias, 19 de abril (UTC+8), recientemente, los investigadores desarrollaron una técnica sencilla y eficiente en muestras para el aprendizaje por refuerzo en línea para modelos de generación de imágenes entrenados. La técnica se considera una posible alternativa guiada para reemplazar las técnicas de guía libre de clasificadores, cuyo señal de impulso puede ser cualquier recompensa escalar, incluyendo preferencias humanas. La fuente proporciona más información a través de un enlace de Twitter. (Fuente: InFoQ)