PulseAugur
中
实时 17:46:03
English(EN) Soft $Q(\lambda)$: A multi-step off-policy method for entropy regularised reinforcement learning using eligibility traces

新的Soft Q(λ)方法增强了离策略强化学习

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的熵正则化强化学习多步离策略方法Soft $Q(\lambda)$。该框架通过在任意行为策略下实现有效的信用分配，扩展了现有的soft Q-learning技术。所提出的方法使用了一个新的Soft Tree Backup算子和资格迹，提供了一种无模型的方法来学习熵正则化的价值函数，可用于未来的实证研究。 AI

影响 通过在离策略场景中实现更有效的信用分配，增强了强化学习的能力。

排序理由 详细介绍一种新的强化学习方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的Soft Q(λ)方法增强了离策略强化学习

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Pranav Mahajan, Ben Seymour ·

    Soft $Q(\lambda)$: 一种用于熵正则化强化学习的多步离策略方法，使用资格迹

    arXiv:2604.13780v2 Announce Type: replace-cross Abstract: Soft Q-learning has emerged as a versatile model-free method for entropy-regularised reinforcement learning, optimising for returns augmented with a penalty on the divergence from a reference policy. Despite its success, t…

相关实体

相关话题