offline datasets | BriefGPT

关键词offline datasets

搜索结果 - 13

线性潜在匪徒中利用离线数据
通过建立 de Finetti 定理和提出 SOLD 方法，该研究论文展示了潜在赌博机框架的广泛适用性，以及在线学习和离线数据集问题的解决方案，并在合成数据和电影推荐数据上进行了实验证明。
PDFa month ago
人机协作中快速在线适应的线性模型引导
使用离线数据集初始化非线性模型，然后使用在线逻辑回归通过合作更新来适应合作伙伴的奖励函数，提高零点准确性并减少计算量。
PDF3 months ago
DiffStitch：基于扩散的轨迹拼接技术提升离线强化学习
离线强化学习中，学到的策略性能高度依赖于离线数据集的质量。然而，在许多情况下，离线数据集只包含非常有限的最优轨迹，这对离线强化学习算法提出了挑战，因为智能体必须能够转移到高奖励区域。为了解决这个问题，我们引入了一种基于扩散的轨迹拼接（Dif
PDF5 months ago
应对新的顺序决策任务的泛化学习
使用离线数据集，通过训练大型多样化模型，能够在只有少量示范数据的情况下，使自主代理器在新的任务上进行上下文学习。
PDF7 months ago
离线元强化学习的背景变化削减
使用离线数据集，提出了一种名为 CSRO 的新方法来解决上下文转换问题，该方法在元训练和元测试阶段都能显著减少上下文转换，并提高了泛化能力。
PDF8 months ago
强化学习增强的对比模型用于顺序推荐
通过提出一种名为模型增强对比强化学习（MCRL）的新型强化学习推荐器，我们解决了离线数据集的稀疏性以及负反馈无法获取的问题，并通过对比学习来优化奖励函数和状态转移函数，实验结果表明该方法在两个现实世界数据集上显著优于现有的离线强化学习和自监
PDF8 months ago
Q-Transformer: 基于自回归 Q 函数的可扩展离线强化学习
本文介绍了一种用于训练多任务策略的可扩展强化学习方法，该方法可以利用人类示范和自主收集的数据。通过使用 Transformer 作为 Q 函数的可扩展表示方法，并应用于离线时间差分备份的训练中，我们称之为 Q-Transformer。通过将
PDF10 months ago
离线强化学习推荐系统因果决策变换器
本文提出了一种基于因果决策转换器的推荐系统，即 CDT4Rec，用于处理离线数据集的强化学习模型。该模型采用了变压器架构，能够处理大规模的离线数据集，并捕捉数据中的长短期依赖关系，以估计动作、状态和奖励之间的因果关系。我们通过对六个真实世界
PDFa year ago
黑盒优化的生成式预训练
BONET 是一个使用离线数据集为基础，训练一个新的黑盒优化器的生成框架，采用单调转移启发式策略，实现从低保真度到高保真度的采样，在 Design-Bench 中的实验结果显示，BONET 使用一个因果掩码转换器的实例，在平均排名上表现最佳
PDF2 years ago
ICLR基于技能的元强化学习
本论文旨在提出一种使用离线数据集中的先前经验来解决长期奖励任务的元学习方法，以实现复杂、长期目标的快速解决，可以显著提高样本效率并减少与环境的交互次数。
PDF2 years ago
TRAIL: 近乎最优的次优数据模仿学习
本研究提出了一种利用离线数据集学习隐含动作空间和转换模型的训练目标，通过此目标实现提高下游模仿学习的样本效率，该目标可用于廉价的次优或非任务特异性轨迹数据集。TRAIL 算法是一种能够增加样本效率的模型，其能通过学习基于能量的转换模型，对动
PDF3 years ago
基于演示引导的强化学习与学得技能
本文提出了一种基于示教引导的强化学习方法，该方法通过提取任务中共享的子任务结构，从而显著提高学习效率，并且在迷宫导航和复杂机器人操纵任务上进行了验证。
PDF3 years ago
ICLR增强世界模型促进从单个脱机环境实现零样本动态泛化
本论文介绍了如何在在线环境中使用增强世界模型来改善零样本泛化，从而提高强化学习的性能。
PDF3 years ago