GSBR:在线强化学习的几何支持行为正则化
原文:GSBR: Geometric Support Behavior Regularization for Online RL
针对预训练的基础策略对在线强化学习(RL)进行正则化可以提高样本效率和学习稳定性,但正则化限制性太大限制了策略的改进程度。基本策略——通常是通过模仿学习在大型、多样化的数据集上训练的扩散或流量匹配模型——捕获许多合理但次优的行为。埃克西
正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。
抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。
正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。