研究人员推出了一种名为正则化得分中心化(RSC)的新颖技术,旨在稳定离策略强化学习。RSC 在得分中心化(SC)的基础上,增加了一个反向 Kullback-Leibler 惩罚项,鼓励学习者的下一个 token 分布保持接近行为策略的分布。该方法在 AppWorld 和 BabyAI 等各种智能体基准测试中,在样本效率和性能方面均取得了显著改进,优于现有基线。 AI
影响 提高了强化学习的样本效率和稳定性,有望加速智能体任务的进展。
排序理由 该集群描述了在 arXiv 的学术论文中提出的一种新方法。
在 Hugging Face Daily Papers 阅读 →
- AppWorld
- arXiv
- BabyAI
- Hugging Face
- Kullback--Leibler divergence
- Regularized Score Centering
- Score Centering
- truncated importance sampling
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →