研究人员提出面向潜在世界模型RL的密度引导自举边界

1. 13:00
   arXiv 机器学习

   潜在世界模型强化学习的密度引导自举边界

   研究者提出面向潜在世界模型强化学习的密度引导自举边界，利用基于分数的相对密度代理动态调整想象轨迹的回报深度。该方法包含硬边界与软边界两种门控机制，并在 Dreamer V3 中实现，理论证明其门控贝尔曼算子为严格收缩映射且能单调降低条件目标方差。在连续控制任务与 Atari Pong 上的测试表明，该机制显著提升了样本效率与后期训练表现。

Current heat 8·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.