arXiv cs.RO· Akansha Kalra, Ellen R. Novoseller, Vernon J. Lawhern, Daniel S. Brown·· 3 小时前AI 评分41
Preference-PCA Pluralistic Learning（P3L）：基于匿名众包反馈的可引导多元策略对齐
Steerable Pluralistic Policy Alignment from Anonymized Crowd Feedback
AI 导读
P3L（Preference-PCA Pluralistic Learning）框架通过PCA分解从匿名异构众包反馈中联合学习轨迹嵌入与偏好方向共享基，无需标注者身份即可实现个性化奖励学习与下游策略优化。在多个具身控制任务的实验中，P3L支持可引导的个人对齐，能泛化到离线数据集之外的分布外新用户，取得有竞争力的强化学习与测试性能，同时显著降低计算成本并支持可变的适配查询预算。
来源：arXiv cs.RO · arxiv.org