实体 IFQL

IFQL

PulseAugur coverage of IFQL — every cluster mentioning IFQL 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_326933 · Oct 28 · 04:00

新的微调方法在不保留数据的情况下保持离线强化学习模型性能

研究人员开发了一种新的强化学习模型微调方法，该方法避免保留离线数据。这种被称为“冻结，而非克隆”的方法解决了关键的失效模式，即在移除离线数据后继续进行行为克隆会导致表示坍塌和动作多样性丧失。通过冻结预训练的表达性先验并停止在线行为拟合，该方法在不同强化学习算法的各种 OGBench 域上显著提高了性能。