Oussama Boussif

新的强化学习方法使用动作抽象来提高样本效率

研究人员通过引入动作抽象，开发了一种改进强化学习（RL）和生成流网络（GFlowNets）的新方法。该方法通过迭代地识别常见的动作子序列并将它们“分块”成更高级别的动作来解决长轨迹中的挑战。在合成和真实世界环境中的实证评估表明，在发现多样化、高回报目标方面，尤其是在复杂的探索任务中，样本效率得到了提高。抽象动作还通过捕捉奖励景观的潜在结构来提供可解释性。