PulseAugur
中
实时 09:50:31
实体 Quality-Diversity Reinforcement Learning

Quality-Diversity Reinforcement Learning

PulseAugur coverage of Quality-Diversity Reinforcement Learning — every cluster mentioning Quality-Diversity Reinforcement Learning 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_326942 ·

    New RePPO method advances Quality-Diversity RL for LLMs

    研究人员推出了一种新颖的质量-多样性强化学习（QD-RL）方法——排斥性种群策略优化（RePPO）。该方法将近端策略优化（Proximal Policy Optimization）进行了调整，以同时优化多样化的高质量策略，超越了传统的进化算子。RePPO 在连续控制任务上表现出色，并通过成功应用于基于像素的任务和微调大型语言模型（LLM）展示了其可扩展性，这是 QD-RL 首次应用于语言模型领域。