Suchbasierte Kreditzuweisung verbessert Offline‑Lernen mit Präferenzfeedback
Im Bereich des Offline‑Reinforcement Learning werden Agenten aus festen Datensätzen trainiert, ohne dass weitere Interaktionen mit der Umgebung nötig sind. Dabei stützt sich die klassische Methode häufig auf präzise Belohnungsfunktionen, die jedoch schwer zu entwerfen und kostenintensiv sind. Eine vielversprechende Alternative ist die Nutzung menschlichen Feedbacks, das in zwei Hauptformen vorliegt: Expertendemonstrationen und Präferenzen.
