★ 3
Q-Target 预训练 Transformer 实现可证明的上下文强化学习
论文提出 Q-Target Pretrained Transformers（QTPT），保留上下文条件 Transformer 架构但以贝尔曼式 Q 目标替代行为克隆，使模型利用上下文中的奖励与转移估计动作价值而非模仿行为策略。理论分析表明其在随机线性老虎机与有限时域 MDP 中对数据质量的鲁棒性…
arXiv cs.LG35 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 Q-Target Pretrained Transformers（QTPT），保留上下文条件 Transformer 架构但以贝尔曼式 Q 目标替代行为克隆，使模型利用上下文中的奖励与转移估计动作价值而非模仿行为策略。理论分析表明其在随机线性老虎机与有限时域 MDP 中对数据质量的鲁棒性…