PulseAugur
中
实时 20:41:03
实体 Sign-SZPO

Sign-SZPO

PulseAugur coverage of Sign-SZPO — every cluster mentioning Sign-SZPO 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_154039 ·

    新的强化学习算法可从具有未知链接函数的偏好中学习

    研究人员开发了一种新的强化学习算法，称为Sign-SZPO，即使在偏好与结果之间的关系未知的情况下，它也可以从偏好反馈中学习。这种方法避免了现有方法中常见的已知链接函数的限制性假设。Sign-SZPO估计值函数差的符号来构建策略更新方向，在经验评估中证明了可证明的收敛性和对错误规范的鲁棒性。