实体 TRQAM

TRQAM

PulseAugur coverage of TRQAM — every cluster mentioning TRQAM 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

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_73906 · May 26 · 00:00

新的TRQAM算法稳定离策略强化学习

研究人员开发了信任区域Q-伴随匹配（TRQAM），这是一种旨在稳定离策略强化学习的新型算法。TRQAM通过使用投影对偶下降自适应地控制策略的KL散度来解决不稳定性问题。在50个OGBench任务上的实验表明，TRQAM表现优越，在离线RL中的成功率为68%，而基线方法的成功率为46%。