Watkins' Q($\lambda$)

Gated Q-learning 提出强化学习偏差的新方法

研究人员引入了 Gated Q-learning，这是一个旨在解决强化学习中离线策略偏差和样本效率平衡这一长期挑战的新框架。与强制在截断学习或有偏估计之间做出选择的先前方法不同，Gated Q-learning 使用依赖于状态-动作的门控机制来选择性地衰减资格痕迹。这种方法允许更长的信用分配范围，而不会产生传统方法的有害错误，从而在经验评估中实现更快的初始学习。