tabular Q-learning

研究人员提出强化学习基础模型

一篇新研究论文提出开发专门用于强化学习（RL）的基础模型，认为与语言和视觉领域相比，该领域目前存在一个明显的空白。作者认为，马尔可夫决策过程（MDP）非常适合基于注意力（attention-based）的架构，类似于在表格基础模型中使用的架构。作为演示，他们在一个合成MDP上训练了一个模型，该模型成功地以最小的调整解决了未见过的表格基准测试，在在线设置中优于UCB-VI和表格Q学习等传统方法，并在离线场景中与VI-LCB竞争。