RLFromHumanPrefrences 通过通过人的偏好学习，从人的偏好中加强学习，以产生与环境奖励不符的行为。 工具。 要求 Python 3（它可能与Python 2兼容，但我没有对其进行测试） 为了安装要求，请遵循： # PyTorch conda install pytorch torchvision -c soumith # Baselines for Atari preprocessing git clone https://github.com/openai/baselin