Predict the Reward, Not the World: World Reward Models for ML Agents

Yuxiao Lee, Zherui Yang, Fan Liu, Hao Liu

На странице источника доступны аннотация, полный текст или сведения о том, где его прочитать. Препринт может ещё не пройти рецензирование; проверьте, появилась ли журнальная версия.