인간 피드백 없이 선호도 기반 학습을 통한 최적 정책 학습

선호도 기반 강화학습에서 보상 함수 학습 대신 최적 정책을 직접 학습하는 Contrastive Preference Learning (CPL) 알고리즘을 제안한다. CPL은 최적 이점 함수와 정책 사이의 관계를 활용하여 강화학습 없이도 최적 정책을 학습할 수 있다.