2008 年首个通用 RLHF 算法 TAMER 发布新开源版本

Brad Knox 发布了 TAMER 的新开源版本，供所有人上手实验。据 Peter Stone 介绍，TAMER 是 2008 年提出的首个通用 RLHF（人类反馈强化学习）算法，比 RLHF 概念流行早了十余年，此次新版上线让研究者和开发者可以实际体验这一算法的早期思想。

2026-09-06 ~ 2026-09-07 · 2 条相关

• 2008 年首个通用 RLHF 算法 TAMER 推出新版,可上手实验 — PeterStone_TX · 2026-09-06
• TAMER 开源新版本上线：2008 年诞生的首个通用 RLHF 算法 — dhadfieldmenell · 2026-09-07