Kuaishou（快手）

FBOS-RL: Feedback-Driven Bi-Objective Synergistic Reinforcement Learning

FBOS-RL: 基于反馈的双目标协同强化学习

Xikai Zhang, Yongzhi Li, Likang Xiao, Yingze Zhang, Yanhua Cheng, Quan Chen, Peng Jiang, Wenjun Wu, Liu Liu

机构 * Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） ； Kuaishou Technology（快手科技） 纠错

AI总结 本文提出FBOS-RL框架，通过环境反馈引导探索增强，并设计两个相互促进的目标：以利用为导向的策略对齐(EPA)和以探索为导向的能力培养(ECC)，从而提高强化学习的训练效率和最终性能。