PulseAugur
实时 16:49:38
实体 Composite Reward Observability Fraction (CROF)

Composite Reward Observability Fraction (CROF)

PulseAugur coverage of Composite Reward Observability Fraction (CROF) — every cluster mentioning Composite Reward Observability Fraction (CROF) 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
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_127587 ·

    新方法改进了RL世界模型的检查点选择

    研究人员开发了一种从训练好的潜世界模型中选择最佳检查点的新方法,解决了传统验证指标(如损失和RMSE)即使在模型实际性能下降时仍可能持续改进的挑战。他们的方法称为复合奖励可观测性分数(CROF),使用了源自最优控制理论的诊断,其中奖励可观测性分数(ROF)是最强的单一预测因子。当应用于具有奖励塑造的LunarLander环境时,使用CROF选择的世界模型训练的策略,其回报比无模型基线高约24.5点,同时所需的交互环境次数显著减少。