اصلاح گراف علی با استفاده از یادگیری تقویتی و بازخورد انسانی

مدل یادگیری تقویتی روی گراف های حقیقی آموزش میبینه و با کمک بازخورد انسانی human feedback ٬ گرافی که cause and effect رو نشون میده و اشتباهاتی دارد رو اصلاح میکند. کد من نوشته شده فقط باید modify بشه که نتایج بهتری داشته باشم.