Rafael Rafailov
DPO 与 OpenVLA 共同作者，研究离线强化学习、模仿学习与语言模型偏好优化。
个人介绍
Rafael Rafailov 的研究涉及机器学习、机器人感知与控制，关注如何复用已有数据进行离线强化学习、规划和模仿学习。他曾在斯坦福大学开展计算机科学博士阶段研究，并取得统计学及计算机科学硕士学位；2024 年的 OpenVLA 项目将其署名机构列为斯坦福大学。
他参与提出直接偏好优化 DPO，通过对奖励模型重新参数化，把语言模型的偏好学习转化为直接优化的分类目标。他也共同署名 OpenVLA，参与将视觉语言预训练能力用于机器人动作学习的研究。两项工作分别讨论了语言模型行为调整和机器人策略训练。