auxiliary-supervision

标签

#auxiliary-supervision

稀疏奖励游戏中AlphaZero的局限性与辅助监督

arXiv cs.LG ↗ · 2026-07-13 缓存

本文以四子棋和Chomp为测试平台，研究了AlphaZero在稀疏奖励游戏中强对弈与完美对弈之间的差距，并提出了一种辅助损失（AZAL）以提高最优对弈中的Oracle一致性。

0 人收藏 0 人点赞