arXiv 机器学习· Giovanni Minelli, Giulio Turrisi, Lorenzo Amatucci, Victor Barasuol, Claudio Semini·· 10 小时前AI 评分31
通过相对动作信用学习摆脱局部最优
Learning from Relative Action Credit for Escaping Local Minima
AI 导读
研究提出一种扩展 PPO 的动作条件价值评论器，通过对比同状态下的备选动作提供相对动作信用，解决长时程、接触密集型任务易陷入局部最优的问题。该方法结合广义优势估计（Generalized Advantage Estimation）与探索噪声界限打破停滞平台期，在相同训练预算下成功完成了标准 PPO 失败的精确插孔任务。
来源：arXiv 机器学习 · arxiv.org