★ 2
多目标强化学习中后见重标记导致的偏好覆盖崩塌
论文发现将后见重标记扩展到偏好条件多目标强化学习常有害，在 36 个算法-环境设置中使 19 个性能下降最多达四个标准差。作者将这一失效模式命名为偏好覆盖崩塌，并用弃用偏好质量指标量化。提出的 her_mix 单参数凸组合可将 16 个受损设置恢复至基线，并将弃用偏好质量从 69% 降至 6%。
arXiv cs.LG39 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文发现将后见重标记扩展到偏好条件多目标强化学习常有害，在 36 个算法-环境设置中使 19 个性能下降最多达四个标准差。作者将这一失效模式命名为偏好覆盖崩塌，并用弃用偏好质量指标量化。提出的 her_mix 单参数凸组合可将 16 个受损设置恢复至基线，并将弃用偏好质量从 69% 降至 6%。