实体
Conservative Q-Learning (CQL)
Conservative Q-Learning (CQL)
PulseAugur coverage of Conservative Q-Learning (CQL) — every cluster mentioning Conservative Q-Learning (CQL) across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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 2 条
-
新的GLAN框架增强了个性化着陆页推荐
研究人员开发了GLAN，一个新颖的序列建模框架，旨在改进在线平台上的个性化着陆页推荐。GLAN通过捕捉跨日用户动态和分解会话级反馈以实现更精确的局部监督，解决了先前强化学习方法的局限性。在快手平台上的在线实验表明，GLAN在日活跃用户和用户生命周期方面取得了显著的改进。
-
SeqRoute框架优化序贯对话中的大语言模型路由
研究人员开发了SeqRoute，一个用于大语言模型（LLM）系统中多轮对话查询路由的新型框架。与以往将每个查询独立处理的方法不同，SeqRoute考虑了用户会话的序贯性以及全局计算预算。它采用离线强化学习来做出路由决策，从而为后续可能更关键的交互策略性地节省资源，以此降低成本并防止预算耗尽。