实体 TD($\lambda$)

TD($\lambda$)

PulseAugur coverage of TD($\lambda$) — every cluster mentioning TD($\lambda$) across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 2

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 2

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 2 条

TOOL · CL_208568 · Aug 19 · 04:00

新的rl-triton库通过统一的GPU内核加速RL信用分配

研究人员开发了rl-triton，一个开源库，包含用于强化学习信用分配的高性能GPU内核。该库在一个单一的关联扫描框架下统一了七种不同的RL估计算法，包括GAE和V-Trace。内核在Triton中实现，将这些算法作为线性递归在对数并行步中解决，与现有基线相比实现了显著的加速。
TOOL · CL_122227 · Jul 2 · 15:35

强化学习数学系列解释TD(λ)算法

Shawn Hymel 发布了他的强化学习数学系列的第九部分。本文深入探讨了TD(λ)算法，解释了它如何弥合短期TD(0)方法与完整回合蒙特卡洛方法之间的差距。内容面向对强化学习数学基础感兴趣的人士。