XiaoMi-AI文件搜索系统
World File Search SystemAAMAS
提名IFAAMAS董事会 - Yair Zick
bio：Yair Zick是UMass Amherst信息系统与计算机科学学院的助理教授，他指导公平且可解释的决策（FED）小组。在此之前，他曾是NUS计算学院的助理教授。他于2014年获得了南洋技术大学的博士学位（数学），并获得了耶路撒冷希伯来大学的B.Sc（数学，“ Amirim”荣誉计划）。他的研究兴趣包括计算公平部门，计算社会选择，算法游戏理论和算法透明度。他是2011年AAMA最佳学生纸奖，2014年Victor Lesser Ifaamas杰出论文奖，2016 ACM EC最佳纸张奖，2017年新加坡NRF奖学金和2021年IJCAI早期职业奖。
引文 (APA) Peschl, M.、Zgonnikov, A.、Oliehoek, FA 和 Cavalcante Siebert, L. (2022)。道德：通过多目标强化主动学习使人工智能与人类规范保持一致。在 C. Pelachaud 和 ME Taylor (Eds.) 中，第 21 届自主代理和多智能体系统国际会议 (AAMAS '22) 论文集 (第 1038-1046 页)。国际自主代理和多智能体系统基金会。https://dl.acm.org/doi/abs/10.5555/3535850.3535966 重要提示 要引用此出版物，请使用最终发布的版本（如果适用）。请检查上面的文档版本。
从演示和成对偏好推断奖励函数是将强化学习 (RL) 代理与人类意图相结合的良好方法。然而，最先进的方法通常专注于学习单一奖励模型，因此很难权衡来自多位专家的不同奖励函数。我们提出了多目标强化主动学习 (MORAL)，这是一种将社会规范的不同演示组合成帕累托最优策略的新方法。通过维持标量权重的分布，我们的方法能够以交互方式调整深度 RL 代理以适应各种偏好，同时无需计算多个策略。我们在两种场景中通过实证证明了 MORAL 的有效性，这两种场景模拟了交付和紧急任务，需要代理在存在规范冲突的情况下采取行动。总的来说，我们认为我们的研究是朝着具有学习奖励的多目标 RL 迈出的一步，弥合了当前奖励学习和机器伦理文献之间的差距。