MCVL

新的MCVL方法缓解了强化学习中的奖励破解问题

研究人员开发了一种名为修改考虑价值学习（MCVL）的新方法来解决强化学习智能体中的奖励破解问题。MCVL会过滤传入的数据转换，仅允许那些不会降低智能体估计未来回报的转换。这种方法旨在防止智能体利用奖励信号获得表面上的收益，同时仍允许在预期任务上取得真正的改进。在各种模拟环境和控制任务上的实验表明，MCVL在不牺牲主要目标性能的情况下，有效地缓解了奖励破解问题。