BriefGPT.xyz
Ask
alpha
关键词
$f$-policy gradients
搜索结果 - 1
f - 策略梯度:一种使用 f - 散度的目标条件化强化学习的通用框架
此研究论文介绍了一种名为 $f$-PG 的新型鼓励探索方法,通过最小化智能体状态访问分布与目标之间的 f - 分歧来实现稀疏奖励环境下的优化策略,同时引入了熵正则化策略优化目标 $s$-MaxEnt RL 用于优化度量为 L2 的奖励,在多
→
PDF
9 months ago
Prev
Next