热点事件持续更新
uRNN 复数记忆改进 PPO 部分可观测强化学习
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026 年 10 月 2 日，arXiv cs.LG 发布一项研究，将 Unitary 循环网络（uRNN）作为循环 PPO 架构的即插即用替代，提出三种版本，利用复数隐状态的相位自由度提升长期记忆能力。在 rocksample 和 Craftax 等任务上，该方法奖励达到基线的 2-3 倍，并探索了类似量子态测量的相位感知策略。代码已开源，论文被第 19 届欧洲强化学习研讨会 2026 接收。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 12:00
uRNN 作 PPO 即插即用替代，奖励达基线 2-3 倍，论文被 ERL 2026 接收。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv：cs.LG（机器学习，全量分类）用复杂值记忆做强化学习：uRNN 作为 PPO 的即插即用替代
研究者将 Unitary 循环网络（uRNN）作为循环 PPO 架构的即插即用替代，提出三种版本，利用复数隐状态的相位自由度提升长期记忆能力。在 rocksample 和 Craftax 等任务上，该方法奖励达到基线的 2-3 倍，并探索了类似量子态测量的相位感知策略。代码已开源，论文被第 19 届欧洲强化学习研讨会 2026 接收。
本事件热度走势
当前热度 9·可比范围峰值 9（10月2日 14:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。