her-mix

标签

#her-mix

多目标强化学习中后见重标注所致Preference Coverage Collapse研究

arXiv cs.LG ↗ · 2天前缓存

本文识别出'Preference Coverage Collapse'作为多目标强化学习后见重标注中的一种失败模式，并引入'her_mix'来缓解该问题，从而在各种设置下提升性能。

0 人收藏 0 人点赞