arXiv cs.AI / cs.LG 最新· Ankur Naskar·· 3 天前AI 评分52
通用效用强化学习新方法用神经对偶 critic 实现 O~(ε^-2) 采样复杂度
Sample-Efficient Reinforcement Learning with General Utilities via Neural Dual Critics
AI 导读
Ankur Naskar 在 arXiv 发表论文，提出一种面向通用效用强化学习（RLGU）的自然 actor-critic 方法，用神经网络 critic 直接把状态-动作对映射成策略梯度的伪奖励，而不必先估计占用测度。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。