★ 2
Branch-and-Commit 研究冻结强化学习智能体的测试时算力分配
论文提出 branch-and-commit 方法：在可复制状态的数字环境中，从当前状态采样多条延续分支、评估后择一继续，用于无法重训的冻结 RL 策略。实验发现收益取决于候选回报的离散度，在 Craftax-Medium 中回报提升 12.8%，且增益主要来自对同一动作不同随机实现的筛选；按预测…
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。
论文提出 branch-and-commit 方法：在可复制状态的数字环境中，从当前状态采样多条延续分支、评估后择一继续，用于无法重训的冻结 RL 策略。实验发现收益取决于候选回报的离散度，在 Craftax-Medium 中回报提升 12.8%，且增益主要来自对同一动作不同随机实现的筛选；按预测…