mode-averaging

标签

#mode-averaging

NFTR：从可证明的模式平均到离线目标条件强化学习中的测地线子目标选择

arXiv cs.LG ↗ · 2026-07-10 缓存

本文提出NFTR，一种用于离线目标条件强化学习的方法，该方法使用归一化流作为子目标策略，并采用三角松弛重新加权以解决层次隐式Q学习中的乐观偏差和模式坍缩问题。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈