ML10

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。