PulseAugur
中
实时 06:49:47
实体 offline RL policies

offline RL policies

PulseAugur coverage of offline RL policies — every cluster mentioning offline RL policies 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_169577 ·

    新的HOBA框架通过分层强化学习增强在线广告竞价

    研究人员开发了HOBA，一个旨在改进在线广告竞价系统的新型分层强化学习框架。该系统在不同时间尺度上分离了战略推理、模型选择和出价执行，使用大型语言模型进行超参数推断，并使用SARSA代理进行专家模型选择。在AuctionNet基准测试和大规模A/B测试中的实验表明，HOBA的性能优于现有方法，在实际部署中目标成本提高了3.6%。