meta-reinforcement learning
PulseAugur coverage of meta-reinforcement learning — every cluster mentioning meta-reinforcement learning across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的METTA方法增强了元强化学习的适应性
研究人员开发了METTA，一种新颖的元强化学习方法，可增强智能体对新任务的快速适应能力。METTA利用因果神经记忆在回合内进行细粒度适应，并利用回合级摘要进行长程任务推理，从而避免了传统Transformer模型的二次成本。该方法在Meta-World ML10/45和长上下文PointMaze任务等具有挑战性的基准测试中表现出改进的性能，并以高效的训练实现了高成功率。
-
新方法通过上下文建模提高强化学习效率
研究人员开发了一种新方法，通过解决风险预测模型（RPM）的局限性来提高强化学习（RL）的效率。他们的方法将风险预测重塑为上下文序列建模问题，集成了单步前瞻机制和时间加权滑动窗口。该技术旨在缓解因优化历史稀疏和风险近似中的单步滞后引起的问题，从而在元RL、域随机化和LLM后训练等各种RL应用中获得更可靠的难度估计和性能提升。
-
Meta-RL 框架加速边缘缓存收敛
研究人员开发了一种新颖的元强化学习框架来优化无线网络中的边缘缓存。该方法通过学习一个可以快速适应的共享初始化来解决在众多基站训练单个缓存代理的挑战。所提出的方法引入了基于梯度的聚类来减少元梯度估计中的方差，与传统的随机采样技术相比，尤其是在异构网络环境中，可以实现更快的收敛。
-
拟蒙特卡洛初始化提升元强化学习训练收敛性
研究人员研究了使用拟蒙特卡洛（QMC）方法初始化元强化学习模型。他们的发现表明，在与基线任务相似的连续控制环境中，QMC初始化可以改善训练收敛性。然而，对于不相似的任务，传统的正交初始化在无偏搜索方面被证明更有效。
-
元强化学习框架利用进化进行供应链优化
研究人员开发了一种新颖的元强化学习框架，该框架利用进化搜索来改进复杂组合问题（如供应链管理）中的多目标优化。该方法维护一个元策略种群，每个策略都通过基于梯度的方法进行训练，并通过进化技术进行优化。该框架在具有经济、环境和社会目标的供应链场景中进行了测试，通过生成更多样化且分布更佳的帕累托前沿近似、增强跨任务适应性以及与现有方法相比在超体积和豪斯多夫距离方面取得显著改进，从而展示了卓越的性能。
-
GLiBRL通过可处理推理和更好的泛化能力推动深度贝叶斯强化学习发展
研究人员开发了GLiBRL，一种新颖的贝叶斯强化学习方法，通过明确纳入贝叶斯任务参数来增强泛化能力。该方法通过对任务参数和模型噪声进行完全可处理的贝叶斯推理，克服了先前深度BRL技术的局限性。GLiBRL与各种强化学习算法无缝集成，并在MuJoCo和MetaWorld基准测试中展示了最先进的性能提升。