★ 2
arXiv 论文：离线数据不可用时冻结行为先验可提升离线到在线强化学习微调
研究指出离线到在线强化学习中，离线数据消失后继续行为克隆会重新拟合有限的在线经验，导致表征崩溃与动作多样性丧失。作者提出冻结预训练行为先验、停止在线行为拟合，在七个 OGBench 域上显著改善 IFQL、FQL 与 QC 方法的无保留微调效果。
arXiv cs.LG5 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究指出离线到在线强化学习中，离线数据消失后继续行为克隆会重新拟合有限的在线经验，导致表征崩溃与动作多样性丧失。作者提出冻结预训练行为先验、停止在线行为拟合，在七个 OGBench 域上显著改善 IFQL、FQL 与 QC 方法的无保留微调效果。