arXiv：cs.LG（机器学习，全量分类）· Hsiao-Ru Pan, Florent Draye, Bernhard Sch\"olkopf·· 1 天前AI 评分35
ABC：面向可验证奖励强化学习的优势型控制变量
ABC: Advantage-Based Control Variates for Reinforcement Learning with Verifiable Rewards
AI 导读
研究提出 Advantage-Based Control Variates（ABC），通过优势-价值形式重新审视轨迹级控制变量，并揭示其协方差结构与 Direct Advantage Estimation（DAE）的回报分解密切相关。
来源：arXiv：cs.LG（机器学习，全量分类） · arxiv.org