Offline RL
7 статей
1ч 07м⚖ Методы Offline RL: от имитации к оптимизации стратегий
1ч 20м🧠 Стэнфордский курс CS234: принципы офлайн-RL и преодоление неопределенности
1ч 07м🤖 Сергей Левин об эволюции обучения с подкреплением: от «бандитов» в ChatGPT до роботов-трансформеров
44 мин🧠 Авторы ChibiT о переносе знаний из текстов Wikipedia в Offline RL
38 мин🧠 Как предобучение трансформеров на Википедии помогает в обучении роботов
56 мин🤖 Как превратить обучение с подкреплением в задачу для GPT: разбор Decision Transformer
40 мин🤖 Пессимизм как стратегия: Аравинд Раджесваран о безопасности офлайн-обучения ИИ