实体 Vanilla PPO

Vanilla PPO

PulseAugur coverage of Vanilla PPO — every cluster mentioning Vanilla PPO 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

RESEARCH · CL_107746 · Jun 23 · 15:03

LaGO 框架使用 LLM 改进在线强化学习 · 跟踪 2 个来源

研究人员开发了 LaGO，一个利用大型语言模型 (LLM) 作为在线强化学习的潜在动作先验的框架。LaGO 不将 LLM 用作直接控制器，而是软性地指导策略优化。在 CLEVR-Robot 和 Meta-World 基准上的实验表明，与 Vanilla PPO 相比，LaGO 在 CLEVR-Robot 上的成功率从 15.1% 提高到 27.2%，在 Meta-World 上的成功率从 2.7% 提高到 15.2%。研究还表明，更强…