Jindan Huang

用用户输入建模人类反馈的变异性：一项探索性方法论

Huang等人提出五维人类反馈变异性模型，可将完美的模拟Oracle改造为更接近真实人类反馈行为的系统，为交互式强化学习中模拟人类教师提供更准确的方法。