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
2023年11月13日
off-policy RL | Advantage-Weighted Regression (AWR):组合先前策略得到新 base policy
摘要: 仅仅留下了一些印象,并没有看懂具体算法…… 如果需要重读这篇论文,会 refine 这篇阅读笔记的。
阅读全文
posted @ 2023-11-13 20:40 MoonOut
阅读(99)
评论(0)
推荐(0)
编辑
PbRL | 发现部分 D4RL tasks 不适合做 offline reward learning 的 benchmark
摘要: 发现对于很多任务,(只要给出专家轨迹),将 reward 设为 0 或随机数,也能学出很好 policy,证明这些任务不适合用来评测 reward learning 的性能好坏。
阅读全文
posted @ 2023-11-13 18:11 MoonOut
阅读(239)
评论(0)
推荐(0)
编辑
公告