★ 3
RLDiscover：LLM驱动强化学习算法自进化
论文提出RLDiscover框架，实现无模型深度强化学习算法的自进化，通过渐进式协同进化与渐进式概率评估平衡搜索广度与评估保真度。在SAC、PPO、DQN及四个基准套件上平均回报中位数提升32%-84%，峰值回报比约363倍。
arXiv cs.AI25 天前
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RLDiscover框架，实现无模型深度强化学习算法的自进化，通过渐进式协同进化与渐进式概率评估平衡搜索广度与评估保真度。在SAC、PPO、DQN及四个基准套件上平均回报中位数提升32%-84%，峰值回报比约363倍。