实体 RLVR-World

RLVR-World

PulseAugur coverage of RLVR-World — every cluster mentioning RLVR-World across labs, papers, and developer communities, ranked by signal.

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

RESEARCH · CL_317591 · Oct 22 · 06:40

DRILL框架训练世界模型以提升强化学习策略

研究人员引入了下游回报想象学习循环（DRILL），一个旨在通过更有效地训练世界模型来增强强化学习策略的新框架。与专注于像素预测的传统方法不同，DRILL通过想象的滚动优化世界模型以最大化策略回报。这种方法，通过DRILL-VWI和DRILL-IMG等实例，在各种操纵模拟器中展示了成功率的显著提高，优于WMPO和RLVR-World等现有方法。