PulseAugur
中
实时 19:29:55
实体 distributional RL

distributional RL

PulseAugur coverage of distributional RL — every cluster mentioning distributional RL 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_317525 ·

    FlowCritic 使用生成模型进行强化学习价值估计

    研究人员推出了一种新颖的生成式方法 FlowCritic，用于强化学习中的价值估计。该方法利用在生成模型中取得成功的流匹配技术来建模和采样价值分布。FlowCritic 旨在克服现有方法（如多批评家集成和分布强化学习）的局限性，这些方法要么无法捕捉分布信息，要么依赖于受限的离散化或分位数回归。