Aug, 2017

LADDER：大规模实时在线拍卖的人类水平竞价代理

PDF
TL;DRLADDER 是一种基于 DASQN 的异步随机算法的深度强化学习代理，它能够成功地直接从包含高级语义信息的原始输入中学习大规模实际问题的控制策略，这种代理用于在线竞拍和广告领域，可以显著地提高公司的广告收益和广告主的投资回报率。
deep reinforcement learningcontrol policiesdqnreal-time biddingauction profits
发现论文，激发创造
  • LLM 增强分层代理

    利用强化学习解决长期和拓展性任务很具挑战性，特别是在没有先验知识的情况下，为了提高样本效率，本文通过利用 LLMs 的规划能力结合强化学习的环境学习，构建了一个层次化代理，用于解决长期任务，并在 MiniGrid、SkillHack 和 Crafter 等仿真环境以及实际机械臂的块操作任务中验证了该方法的优越性能，且训练完成后不需要依赖 LLMs 进行部署。

    Nov, 2023

  • 学习网页导航

    提出了引导强化学习方法，将复杂指令分解成多个子指令并进行逐步学习。该方法配合 QWeb 神经网络训练 DQN 智能体，在 World of Bits 基准测试中实现了对高达 100 元素、支持 1400 万个可能指令的表格的 100% 成功率。

    Dec, 2018

  • 利用大型语言模型自动化并加快使用奖励机制的强化学习

    我们提出了 LARL-RM 算法，利用自动机将高层知识编码到强化学习中，以加速强化学习过程，同时使用大型语言模型通过提示工程来获取高层领域特定知识，避免了需要专家编码自动机的问题，且能够在无需专家指导和监督下进行全闭环强化学习，我们还展示了算法收敛到最优策略的理论保证，并通过两个案例研究实现了 30% 的加速收敛。

    Feb, 2024

  • 强韧性对抗性强化学习

    提出了一种稳健性的敌对训练 (robust adversarial reinforcement learning, RARL) 方法，该方法将敌对训练与零和极小优化相结合，通过训练一个智能体，使其能够在真实系统上的杂乱因素和不确定性下操作，并在多种环境中进行了验证。

    Mar, 2017

  • 开放式任务空间中的人类时间尺度适应

    本文介绍了一种训练 RL 代理器的方法，通过使用 meta-reinforcement 学习、基于注意力的内存结构和有效的自动课程表，该代理器可以快速适应开放式的 3D 问题，并具有自适应性。

    Jan, 2023

  • 自动驾驶场景下的上下文学习

    利用大型语言模型优化强化学习的奖励功能，使自动驾驶代理在行为上更加灵活、精准和类人化，探究奖励设计在塑造自动驾驶车辆行为中的重要影响，为更先进、类人化的自动驾驶系统的发展提供了有希望的方向。

    May, 2024

  • 超级智能体：用于复杂环境的简洁、可扩展、高效和可证明的强化学习框架

    提出了一种基于 HyperAgent 的强化学习框架，通过超模型、索引采样方案和增量更新机制，在资源约束下实现对复杂任务的简化、高效和可伸缩性，以及超越共轭的通用值函数近似下的计算高效的顺序后验近似和数据高效的动作选择。

    Feb, 2024

  • 城市尺度在线打车服务中基于深度强化学习的代理指导方向

    本论文研究了如何通过新的 reward scheme 和 deep reinforcement learning 方法 AM-DQN 来控制城市中的空车，以实现在线打车服务的供需平衡，并使用芝加哥的数据集进行了实验，结果表明 AM-DQN 相对于其他方法具有更好的性能。

    Dec, 2022

  • 端到端深度强化学习实现车道保持辅助

    本文提出了不同的深度强化学习方法用于自动驾驶，分别包括离散行动类别中的深度 Q 网络算法 (DQN) 和连续行动类别中的深度确定性演员 - 评论家算法 (DDAC)，并在 TORCS 模拟器中测试了其性能。

    Dec, 2016

  • 强化学习智能体自动生成目标

    提出了一种基于 Adversarial training 的方法，用于 Reinforcement learning 中任务发现的问题，可以实现在不需要任何先验环境知识的情况下，对多元化任务的高效自动学习，并且能够解决传统上存在的稀疏奖励问题。

    May, 2017