★ 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
#SAC
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
SAC 中 tanh 雅可比“解限”的负结果：Bang-Bang 控制与 MetaDrive
论文检验 Soft Actor-Critic 中 tanh 压缩导致雅可比在动作边界消失、可能削弱极端动作信号这一担忧。作者在演员损失中加入一项恢复该信号的干预，但在最小时间双积分器与 MetaDrive 微调任务上均未带来回报提升，无门控旁路还会导致策略饱和并令回报崩溃。结论是雅可比效应真实存在…
arXiv cs.LG53 天前
这个主题的相关资产
相关术语SAC