PulseAugur
中
实时 13:35:34
实体 continuous control benchmarks

continuous control benchmarks

PulseAugur coverage of continuous control benchmarks — every cluster mentioning continuous control benchmarks 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
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_171923 ·

    研究质疑强化学习微调中的Q函数预训练

    一篇新的研究论文质疑在强化学习（RL）中微调策略时预训练Q函数的必要性。研究发现，由于预训练的Q函数与在线微调最终收敛的Q函数之间存在不匹配，朴素的Q函数预训练通常比随机初始化带来的优势很小。为了解决这个问题，研究人员提出了策略集成初始化（IPE）方法，该方法使用来自不同策略的汇集数据来引导Q函数学习，在连续控制基准测试中显示出平均1.26倍的微调性能提升。