研究团队用神经网络反馈强化学习测量人类品味偏好

来源标题：Measuring Taste – Reinforcement Learning with Neural Feedback

一项研究提出用神经网络反馈的强化学习方法来测量人类品味偏好，将主观品味转化为可量化的反馈信号。该方法通过神经网络捕捉人类反馈并用于强化学习训练。研究聚焦于品味这一主观维度的测量问题。