实体
Bellman optimality equation
Bellman optimality equation
PulseAugur coverage of Bellman optimality equation — every cluster mentioning Bellman optimality equation across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的KETCHUP方法改进了文本生成的强化学习
研究人员推出了一种新的文本生成任务知识蒸馏方法KETCHUP,该方法使用强化学习。KETCHUP采用基于贝尔曼最优性方程的k步回报估计技术来降低梯度方差。该方法在三个文本生成任务的实证评估中表现出改进的性能,表明其在增强大型语言模型研究方面的潜力。
-
研究人员发现重复协调博弈中贝尔曼方程的三个对称解
研究人员在重复协调博弈的背景下,探索了贝尔曼最优性方程的对称解。他们的分析揭示了三种不同类型的对称解。其中两种解与已建立的策略一致:直接的全合作(All-C)策略和囚徒困境博弈中常见的“赢则不移,输则变换”(Win-stay Lose-shift)策略。该研究还深入探讨了第三种解的非平凡行为,并考察了智能体通过强化学习算法学习到的策略。
-
新的贝尔曼方程针对强化学习中的塑性问题
研究人员引入了一个新的贝尔曼最优方程,专门用于优化持续强化学习中的塑性。这项工作建立在先前的一个形式化基础上,该形式化将稳定性-塑性权衡重新定义为赋能-塑性权衡,其中塑性由从观测到动作的有向信息定义,赋能由从动作到观测的有向信息定义。虽然赋能问题已被广泛研究,但本文首次尝试在马尔可夫决策过程中,在这一新定义下解决塑性优化问题。