未来知情的演员评论家
原文:Future-Informed Actor-Critic
演员批评家方法使用批评家来估计其策略梯度来优化参数化策略。最近的研究表明,根据未来状态、行动或奖励的特征来调节批评者可以提高样本效率,甚至最终回报。然而,现有的方法仅限于外生特征(与动作无关),忽略了内生特征(依赖于动作)
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。