arXiv · cs.AI· Helena Merker, Nick Walker, Andreea Bobu·· 7 小时前
研究者提出面向未充分指定奖励的定向主动偏好学习方法
Asking Smarter Questions: Targeted Active Preference Learning for Underspecified Rewards
arXiv:2610.22285v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Helena Merker, Nick Walker, Andreea Bobu
研究任务与主要进展
研究者提出面向未充分指定奖励的定向主动偏好学习方法：机器人利用自身对未充分监督特征的识别，定向提出偏好问题，并用解释引导人类关注相关特征。在低查询预算的模拟中，该方法较标准主动偏好学习基线最高提升30.8%；用户研究显示，定向先验与解释分别改善奖励恢复并相互增强。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org