论文将冻结决策模型Jev接入RL训练
热点事件持续更新
论文将冻结决策模型Jev接入RL训练
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
一篇 arXiv 论文提出，将冻结的决策模型 Jev 直接放进强化学习训练过程，分别用作参考策略、探索评判和回放评分三个组件，Jev 本身不参与训练。作者称，这是首次把 Jev 用于强化学习训练并证明冻结决策模型可作为 RL 训练的可用组件。 在九项 MiniGrid 任务和三个 Atari 游戏上，该方法的表现超过标准 RL 学习器，包括学习器单独训练毫无进展的场景。论文由 Yi Ma 等作者发表。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
Jev 能否作为强化学习中的 Q 函数或策略？报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.AIJev 能否作为强化学习中的 Q 函数或策略？
研究首次将冻结的决策模型 Jev 用于强化学习训练过程，把它放在参考策略、探索评判和回放评分三个位置。在九项 MiniGrid 任务和三个 Atari 游戏上，使用 Jev 训练的表现超过标准 RL 学习器，包括学习器单独训练毫无进展的场景，而 Jev 本身保持未训练状态。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。