Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCollaborative Research: CIF: Small: Inverse Reinforcement Learning with Heterogeneous Data: Estimation Algorithms with Finite Time and Sample Guarantees
Proyek riset & pengembangan

Collaborative Research: CIF: Small: Inverse Reinforcement Learning with Heterogeneous Data: Estimation Algorithms with Finite Time and Sample Guarantees

Ringkasan tujuan riset

Pembelajaran penguatan invers memakai demonstrasi dan preferensi untuk mengestimasi tujuan serta dinamika keputusan agen, sehingga perilaku dapat dianalisis pada keadaan yang belum diamati.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2641665Periode tercatat 2026-09-01 sampai 2027-11-30.NSF 2641665MulaiAkhir tercatat202620282026-09-012027-11-30
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Perilaku teramati akan dimodelkan sebagai optimasi imbalan lintas waktu berdasarkan representasi evolusi lingkungan akibat tindakan. Estimator struktural diteliti untuk data heterogen dalam pengaturan luring maupun daring, dengan perhatian pada kesulitan komputasi dan sifat statistiknya. Berbeda dari peniruan tindakan langsung, pemisahan preferensi serta dinamika ditujukan bagi analisis kontrafaktual dan transfer pembelajaran. Eksperimen luas direncanakan mengevaluasi penyelarasan model bahasa serta penerapan pada kendaraan otonom.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
University of Virginia Main Campus
Program
Comm & Information Foundations
Periode pendanaan tercatat
2026-09-01 → 2027-11-30

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Computing & AI Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.