PulseAugur
实时 21:07:52
实体 Acrobot-v1

Acrobot-v1

PulseAugur coverage of Acrobot-v1 — every cluster mentioning Acrobot-v1 across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_50927 ·

    通过丢弃冗余状态转移来稳定PPO训练

    研究人员开发了一种通过从同策略(on-policy)的rollout中随机丢弃一部分转移来提高强化学习训练稳定性的方法。该技术应用于Proximal Policy Optimization (PPO),打破了由因果链式状态引起的重复梯度结构。通过丢弃约25%的转移,该方法在保持奖励性能的同时,在各种指标上产生了更一致的训练动态。