Supervised Sequence Modeling

新的决策变换器框架增强了无线资源管理

研究人员开发了一种新颖的混合离线-在线多智能体强化学习框架，称为决策变换器（Decision Transformers）。该方法首先使用现有轨迹上的监督序列建模进行离线策略预训练，确保安全高效的起点。然后，它使用包含评判器引导梯度（critic-guided gradients）的混合目标在线优化此策略，从而在初始离线策略之外实现性能提升。该框架采用了回报加权采样（return-weighted sampling）和邻域相关探索（ne…