论文阅读翻译之Deep reinforcement learning from human preferences

最近在将强化学习 (RL) 扩展到大规模问题上取得的成功，主要得益于那些具有明确奖励函数的领域（Mnih等, 2015, 2016; Silver等, 2016）。不幸的是，许多任务的目标是复杂的、定义不清的或难以明确说明的。克服这一限制将大大扩展深度强化学习的潜在影响，并可能进一步扩大机器学习的应用范围。