研究人员推出了一种新的分层强化学习方法——分层行为空间（HBS），该方法利用奖励函数的线性组合来创建更广泛的行为空间。与传统的每个选项单一奖励函数相比，这种方法允许更具表现力的策略表示。在NetHack学习环境上的实验表明，HBS取得了强劲的性能，其优势归因于增强的探索能力而非长期推理。 AI
影响 引入了一种新的分层强化学习方法，可能会改善复杂环境中的探索策略。
排序理由 这是一篇详细介绍分层强化学习新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2604.24558v1 Announce Type: cross Abstract: Recent work in hierarchical reinforcement learning has shown success in scaling to billions of timesteps when learning over a set of predefined option reward functions. We show that, instead of using a single reward function per o…
Recent work in hierarchical reinforcement learning has shown success in scaling to billions of timesteps when learning over a set of predefined option reward functions. We show that, instead of using a single reward function per option, the reward functions can be effectively use…