value-mismatch

#value-mismatch

共享行为体无需共享评论家：并行强化学习中价值不匹配的影响

arXiv cs.LG ↗ · 2026-08-28 缓存

本文揭示了并行强化学习中的价值不匹配现象：共享评论家会混合环境特定价值，导致性能下降。为此，提出基于环境索引条件化评论家，从而在Procgen等基准测试中提升学习稳定性和回报。

0 人收藏 0 人点赞