会员
众包
新闻
博问
闪存
云市场
所有博客
当前博客
a56爆大奖在线娱乐的博客
a56爆大奖在线娱乐的园子
账号设置
简洁模式
...
退出登录
注册
登录
月出兮彩云归 ?
首页
新随笔
联系
订阅
管理
offline RL · PbRL | Preference Transformer:反正感觉 transformer 很强大
① 定义 non-Markovian reward 的输入是 trajectory,② 使用 exp Σ w(τ) · r(τ) 的 preference 形式。
① 定义 non-Markovian reward 的输入是 trajectory,② 使用 exp Σ w(τ) · r(τ) 的 preference 形式。
posted @
2024-03-06 12:57
MoonOut
阅读(
90
) 评论(
1
)
编辑
收藏
举报
指间灵动,快码加编
刷新页面
返回顶部
公告