★ 2
审计梯度锚定策略：基于模型的强化学习用于高效流场控制
论文针对可微代理模型在流场控制中"预测准但动作梯度错"的失效模式，提出用高保真求解器对代理动作梯度做审计，并以低维反馈律初始化神经策略、加二次惩罚锚定。四个测试用例中控制器优于或无模型基线，高保真求解器交互减少 3 至 156 倍。
arXiv cs.LG2 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文针对可微代理模型在流场控制中"预测准但动作梯度错"的失效模式，提出用高保真求解器对代理动作梯度做审计，并以低维反馈律初始化神经策略、加二次惩罚锚定。四个测试用例中控制器优于或无模型基线，高保真求解器交互减少 3 至 156 倍。