3/6 Methode
Die Pipeline läuft in drei Schritten ab.
• Bewerte jede Sim-Demo anhand der Ziel-Rollouts. Eine Basispolicy wird in der Zieldomäne ausgerollt, wobei jeder Rollout seinen eigenen Return hat. Für jede Demo fragt eine Einflussfunktion: Wenn diese Demo stärker gewichtet würde, welche Rollouts würden https://t.co/dk7efn2noz
Die Pipeline läuft in drei Schritten ab.
• Bewerte jede Sim-Demo anhand der Ziel-Rollouts. Eine Basispolicy wird in der Zieldomäne ausgerollt, wobei jeder Rollout seinen eigenen Return hat. Für jede Demo fragt eine Einflussfunktion: Wenn diese Demo stärker gewichtet würde, welche Rollouts würden https://t.co/dk7efn2noz