★ 3
论文：多时间尺度学习改进目标条件强化学习
论文针对离线目标条件强化学习的长程任务难题，提出广义隐式时间抽象（GITA），让单一价值函数以 k 为条件并聚合多尺度优势加权监督。在 OGBench 上平均成功率较 HIQL 提升 25 个百分点，较最强固定 k 方法 OTA 提升 7 个百分点。
arXiv cs.AI31 天前
#目标条件
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
选择性奖励激励改进离线目标条件强化学习
针对离线目标条件强化学习中稀疏奖励与长时程依赖的难题，论文从奖励传播角度分析目标导向价值分离易被局部估计误差淹没。提出 RSIQL 方法，在轨迹中判定为「有进展」的中间状态施加额外奖励信号，提供延迟更低的训练监督。在 D4RL 与 OGBench 基准上优于目标条件 IQL，并与分层方法性能相当，…
arXiv cs.LG45 天前