实体
Soft Q-learning
Soft Q-learning
PulseAugur coverage of Soft Q-learning — every cluster mentioning Soft Q-learning 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
-
新研究分析神经网络中半梯度TD学习的收敛性
研究人员在arXiv上发表了一篇论文,详细介绍了半梯度时间差分(TD)学习的收敛特性,这是强化学习中的一个基本算法。该研究关注均场机制下的两层神经网络,识别出一种稳定性机制,其中熵诱导的弛豫克服了移动引导目标对敏感性的影响。该分析证明了指数级收敛到一个唯一不动点,并量化了其相对于无正则化贝尔曼解的偏差,这对通过软Q学习进行的熵正则化离策略控制具有启示意义。
-
新的LLM智能体框架自动化复杂车辆路径问题
研究人员开发了一个名为强化学习增强LLM智能体(RLEA)的新框架,用于自动化建模复杂的车辆路径问题(VRP)。该多智能体系统使用一个通过Soft Q-learning训练的轻量级神经网络规划器来管理基于LLM的智能体。RLEA整合了进化记忆模块和检索增强生成,使其能够从过去的经验和外部求解器知识中学习。在对48种VRP变体的评估中,RLEA的成功率比以前最先进的方法提高了16.67%,并减少了运行时错误,证明了将强化学习与LLM推理…
-
新的Soft Q(λ)方法增强了离策略强化学习
研究人员推出了一种新颖的熵正则化强化学习多步离策略方法Soft $Q(\lambda)$。该框架通过在任意行为策略下实现有效的信用分配,扩展了现有的soft Q-learning技术。所提出的方法使用了一个新的Soft Tree Backup算子和资格迹,提供了一种无模型的方法来学习熵正则化的价值函数,可用于未来的实证研究。