★ 2
密度引导自举边界提升潜世界模型强化学习效率
论文提出密度引导自举边界机制，按轨迹可靠性自适应调整想象回报深度，含硬边界与软边界两种门控。在 Dreamer V3 中实例化并证明门控贝尔曼算子为严格压缩映射，连续控制与 Atari Pong 上样本效率优于固定视界基线。
arXiv cs.LG4 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。
论文提出密度引导自举边界机制，按轨迹可靠性自适应调整想象回报深度，含硬边界与软边界两种门控。在 Dreamer V3 中实例化并证明门控贝尔曼算子为严格压缩映射，连续控制与 Atari Pong 上样本效率优于固定视界基线。