RLFromHumanPrefrences：加强从人类偏好中学习，以产生与预期不符的行为，并通过Garner工具通过人类偏好进行...

RLFromHumanPrefrences 通过通过人的偏好学习，从人的偏好中加强学习，以产生与环境奖励不符的行为。 工具。 要求 Python 3（它可能与Python 2兼容，但我没有对其进行测试） 为了安装要求，请遵循： # PyTorch conda install pytorch torchvision -c soumith # Baselines for Atari preprocessing git clone https://github.com/openai/baselines.git cd baselines pip install -e . # Other requirements pip install -r requirements.txt 代码 从以下存储库改编的代码： 纸 根据人的喜好进行深度强化学习 使用工具复制OpenAI和Deepminds项目，以有