Optimiser directement les préférences humaines avec RL, cette approche est plutôt propre, bien plus élégante que de cumuler des classificateurs.

ME News Actualités, 19 avril (UTC+8), récemment, des chercheurs ont développé une technique d'apprentissage par renforcement en ligne simple et efficace en termes d'échantillons pour entraîner des modèles de génération d'images. Cette technique est considérée comme une alternative potentielle et guidable pour remplacer la technique de guidage libre par classificateur, dont le signal de conduite peut être toute récompense scalaire, y compris les préférences humaines. L'article fournit plus d'informations via un lien Twitter. (Source : InFoQ)