Craftax-Medium

Branch-and-Commit 技术通过优化测试时间计算来增强冻结的 RL 代理

研究人员引入了一种名为 Branch-and-Commit 的新技术，用于冻结的强化学习代理。该方法包括从给定状态采样多个续接，评估它们，然后继续执行选定的分支。研究发现，该方法的有效性取决于“离散度”，即最佳候选回报与平均候选回报之间的差异。在具有高离散度的环境中，分支最有效，在 Craftax-Medium 环境中回报提高了高达 12.8%，主要是通过允许在不同的随机结果之间进行选择，而不仅仅是更好的动作。研究还表明，计算资源最好…