PulseAugur
中
实时 09:58:50
实体 Long-Short Term Advantage Estimator

Long-Short Term Advantage Estimator

PulseAugur coverage of Long-Short Term Advantage Estimator — every cluster mentioning Long-Short Term Advantage Estimator 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_244980 ·

    新的LSTAE算法大幅降低RL代理训练成本

    研究人员推出了一种新颖的单流强化学习算法——长短期优势估计器（LSTAE），旨在提高代理训练的效率。LSTAE利用历史数据进行优势估计，从而减少了重复轨迹采样的需求。该算法采用双时间尺度设计，一个用于整体成功前沿的长期追踪器，一个用于局部优势估计的短期缓冲区。这种方法旨在将累积的经验转化为细粒度的信用信号，每个锚点仅需一次推出，即可匹配或超越基于组的基线性能，同时显著降低成本。