PulseAugur
中
实时 08:27:45
实体 TA-PBV

TA-PBV

PulseAugur coverage of TA-PBV — every cluster mentioning TA-PBV 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_324055 ·

    用于离轨策略评估的新型成对贝尔曼验证方法

    研究人员提出了一种名为成对贝尔曼验证（PBV）的新颖方法，用于离轨策略评估中的模型选择和超参数调整。该方法解决了在无法从保留的转换中直接评估已拟合的Q函数和占用率比估计的挑战。PBV从成对候选差异中构建评估器，无需辅助回归或单独的评估器优化，并相对于可用的最佳候选者建立了有限样本预言机不等式。