1 published article
AI研究
多任务强化学习有一个难以启齿的秘密：驱动对齐的奖励信号常常相互冲突。一个国际团队刚刚发表了一种方法，可以防止系统自我对抗，而且将其添加到现有管线中几乎不增加成本。
2026-07-19