multi-reward

複数の報酬を同時に扱う

1本の論文題名に登場

定義

一つのスカラー報酬ではなく、複数の評価軸を同時に報酬として扱う設定。有用性と安全性、品質と簡潔さのように互いに競合する目標を並べる場合に使われ、単純に足し合わせると重みの決め方が暗黙のうちに折り合いを決めてしまう。その重みをどう設計・適応させるかが焦点。

報酬が複数ある設定