policy-updates

标签

#policy-updates

部分正确的工具缓存可能逆转组归一化策略更新

arXiv cs.LG ↗ · 昨天缓存

本文表明，在强化学习中，工具结果缓存即使只是略有正确，也可能逆转预期的组归一化策略更新，这一点通过数学分析和两个动作模型的实验得到了证实。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈