研究人员开发了一种名为密度引导自举边界的新方法,以改进使用潜在世界模型的强化学习智能体。该技术根据想象轨迹的可靠性动态调整其深度,防止过长预测或过度依赖近似值造成的复合错误。该方法使用评分引导的相对密度代理来确定何时停止或持续调整回报扩展,从而在 Atari Pong 和连续控制等任务中提高样本效率和性能。 AI
影响 通过动态调整预测深度,提高了强化学习智能体的样本效率和性能。
排序理由 该集群包含一篇详细介绍强化学习新方法的学术论文。[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 →