实体
RL algorithms
RL algorithms
PulseAugur coverage of RL algorithms — every cluster mentioning RL algorithms across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新AI方法RQA促进多智能体博弈中的合作
研究人员开发了一种名为互惠Q增强(Reciprocal Q-Augmentation, RQA)的新方法,以促进一般和博弈中的合作,在这种博弈中智能体可能存在利益冲突。RQA使用潜在变量对手模型来增强智能体的Q函数,使其能够估计其行动对其他智能体的影响。这种方法使智能体能够仅使用自身的Q函数来学习合作和背叛策略,与标准的合作算法相比,在社会困境中能够更快地达到更高水平的合作。此外,单个RQA智能体可以诱导使用传统强化学习算法训练的智能体进行合作。
-
新的基于模型的强化学习方法优化模块化制造系统
研究人员开发了一种使用基于模型的强化学习来控制柔性制造系统的新方法。该方法将近似逆过程模型纳入强化学习策略训练中,有助于将驱动动力学学习与状态空间动力学学习分离开来。该框架在实验室模块化生产测试台上进行了测试,并在性能和训练速度方面均显示出更高的效率,尤其是在离策略算法方面。
-
新的SpectraReward方法使用MLLMs进行零样本文本到图像生成
研究人员推出了一种新颖的、无需训练的奖励函数SpectraReward,旨在利用预训练的多模态大语言模型(MLLMs)作为文本到图像生成的现成奖励模型。该方法评估从生成的图像中重建原始提示的程度,利用MLLM固有的图像-文本对齐能力,而无需偏好标签或奖励模型微调。一个专门的版本Self-SpectraReward,能够在统一的多模态模型中实现闭环自我改进框架。在各种扩散模型、RL算法和MLLM规模上的实验表明,SpectraRewar…