实体 GumbelAlphaZero

GumbelAlphaZero

PulseAugur coverage of GumbelAlphaZero — every cluster mentioning GumbelAlphaZero 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_277264 · Oct 3 · 04:00

新的强化学习算子解决了最优策略改进的近似评估问题

研究人员开发了一种用于强化学习（RL）中最优策略改进的新型算子，该算子解决了近似评估的挑战。这个新算子将不确定性下的贪婪化问题表述为概率决策问题。实证结果表明，该算子及其基于梯度的近似方法在各种RL算法和实验设置中都提高了性能，包括离散和连续动作，以及基于模型和无模型的方法。