实体 DelayBench

DelayBench

PulseAugur coverage of DelayBench — every cluster mentioning DelayBench across labs, papers, and developer communities, ranked by signal.

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

TOOL · CL_352364 · Nov 11 · 05:00

事后批评者方法解决了强化学习延迟问题

研究人员引入了一种名为“事后批评者”（Hindsight Critics）的新方法，以解决强化学习中由感官延迟引起的问题。该方法使用事后对齐的转换来训练批评者，即使智能体只能获得延迟的观测值，批评者也能为执行器提供特权价值估计。在DelayBench套件上的实验表明，“事后批评者”可以在不改变智能体部署观测值的情况下，部分缓解观测延迟的影响。