PulseAugur
中
实时 05:20:26
实体 Pontryagin-Guided Direct Policy Optimization

Pontryagin-Guided Direct Policy Optimization

PulseAugur coverage of Pontryagin-Guided Direct Policy Optimization — every cluster mentioning Pontryagin-Guided Direct Policy Optimization across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
0
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_41862 ·

    新的 PG-DPO 框架增强了用于非指数贴现的强化学习能力

    研究人员开发了一个名为庞特里亚金引导的直接策略优化 (PG-DPO) 的新框架，以解决强化学习方法的局限性。使用贝尔曼风格递归的传统方法在处理非指数贴现时遇到困难，而非指数贴现常见于模拟人类偏好和生存场景。PG-DPO 放弃了递归，而是将庞特里亚金最大值原理与蒙特卡洛滚动相结合，在专业基准测试上实现了更高的准确性和稳定性。