Материал түпнұсқа тілінде: English.
Faulty reward functions in the wild
Reinforcement learning algorithms can break in surprising, counterintuitive ways. In this post we’ll explore one failure mode, which is where you misspecify your reward function.
2016 ж. 21 желтоқсан · Дереккөз: OpenAI news
Толық мәтін дереккөзде қолжетімді.