Mose

新的强化学习方法MOSE使用受控冗余进行状态构建

研究人员开发了一种新颖的程序，用于在强化学习中从纵向因果图中构建可证明的最优马尔可夫状态。该方法应用于深度强化学习时，发现最优表示本身不足以提高性能。为解决此问题，他们引入了多阶状态暴露（MOSE），该方法使单个Q函数同时暴露于多个历史状态构建，并使用基于注意力的层来选择相关维度。因果MOSE通过确保保留最优状态的所有变量来进一步完善这一点，保证了充分性，同时允许有用的冗余。