★ 3
广义智能体迭代：迭代策略改进与递归自我改进的统一框架
论文提出广义智能体迭代（GAI），一个将迭代策略改进与递归自我改进（RSI）描述为同一学习范式的形式化框架。GAI将智能体定义为系统中可修改组件的配置，学习过程建模为智能体评估与改进的循环，并用两个关键旋钮区分不同实例：改进机制是否属于智能体、衡量标准是否外部锚定。该框架可把现有系统置于同一坐标轴…
arXiv cs.AI48 天前
#策略迭代
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
PhiBE-PI 用离散离策略数据实现连续时间 RL 端到端保证
论文基于 PhiBE-Q 提出无模型 PhiBE 策略迭代框架 PhiBE-PI，仅用单一状态-动作评论家并保持连续时间动作排序尺度，复用同一批离散时间数据。在线性函数近似下给出局部端到端次优性保证，并揭示采样间隔的偏差-方差权衡。
arXiv cs.LG11 天前
这个主题的相关资产
相关术语GPI（广义策略迭代）