safe policy-model iteration | BriefGPT

关键词safe policy-model iteration

搜索结果 - 1

可配置马尔可夫决策过程
本文提出了一种新的框架 Configurable Markov Decision Processes (Conf-MDPs)，以建立环境参数配置与学习代理之间的交互模型，并通过 Safe Policy-Model Iteration (SP
PDF6 years ago