BriefGPT.xyz
Jun, 2024
超越乐观：具有部分可观察奖励的探索
Beyond Optimism: Exploration With Partially Observable Rewards
HTML
PDF
Simone Parisi, Alireza Kazemipour, Michael Bowling
TL;DR
通过提出一种新的探索策略，克服现有方法的局限性，即使奖励不总是可观察到，也能保证收敛到最佳策略。我们还提出了一系列用于在强化学习中进行探索的表格环境（有或没有不可观察的奖励），并展示我们的方法优于现有方法。
Abstract
Exploration in
reinforcement learning
(RL) remains an open challenge. RL algorithms rely on observing
rewards
to train the agent, and if informative
→