GRID：从异质群体中学习通用行为

研究者 Caleb Chang、Davin Win Kyi、Natasha Jaques 和 Karen Leung 提交论文预印本，提出社会学习方法 GRID（General Reward Inference and Disentanglement），用于从追求不同目标的异质示范者群体中提取普遍有用的行为。 该方法通过信息瓶颈将每个智能体的奖励函数分解为两部分：跨智能体共享的通用奖励，以及体现个体偏好的特定奖励。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。