arXiv · 机器人与计算机视觉· Xinye Li, Zirui Song, Huaxing Liu, Xiang Wang, Shuai Li, Zixiang Xu, Yinjun Liu, Zhewen Zhang, Xiaojun Chang, Xiuying Chen·· 54 分钟前AI 评分66
Belief-Level Post-Training for Decision Models:一种新的决策模型后训练方法
What a Calibrated Probability Hides: Belief-Level Post-Training for Decision Models
AI 导读
论文介绍了一种名为 Belief-Grouped Policy Optimization (BGPO) 的后训练方法,旨在解决标准方法无法区分预测中源于分歧与不确定性的问题。
来源:arXiv · 机器人与计算机视觉 · arxiv.org