实体 TD target

TD target

PulseAugur coverage of TD target — every cluster mentioning TD target across labs, papers, and developer communities, ranked by signal.

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

TOOL · CL_332755 · Oct 31 · 04:00

新的强化学习方法优化记忆检索和信用分配

研究人员提出了一种新颖的方法来解决强化学习中的记忆挑战，特别是对于在严格的延迟和能源限制下运行的机器人。他们的方法围绕一个单一的数量——“信息的价值”——进行，该数量可以使用从存档的展开中学习到的世界模型来估计。这个数量有助于在动作序列中有效地检索相关记忆并为其获取分配信用。一个基于该信号的试点系统在具有缩减上下文窗口的记忆任务中取得了成功。