研究人员引入了一种新颖的强化学习零样本迁移框架，解决了在线奖励发现的挑战。所提出的方法利用行为基础模型（BFMs）来生成探索策略，将在线学习问题构建为类似赌博机的探索-利用任务。这种方法允许智能体通过与环境交互和观察奖励来学习最优策略，超越了需要预先存在的状态-奖励数据集的离线迁移方法的局限性。该论文推导了一个受上置信界（Upper Confidence Bound）启发的线性奖励近似公式，表明可以通过最小化不确定性矩阵的特征值来实现探索。 AI
影响 这项研究可以实现更具适应性和效率的强化学习智能体，使其能够在没有预定义奖励数据集的情况下进行实时学习。
排序理由 关于强化学习新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
