Mar, 2023

离线预训练加速探索和表示学习

TL;DR从单个离线数据集中分别学习噪声对比估计的状态表示和辅助奖励模型,能够显着提高NetHack基准测试的样本效率,同时突出了我们实验设置的各种组成部分和关键洞察。