arXiv 机器学习· Huiwen Han, Ziyao Zeng, Zihao Zhu, Sisong Bei, Hao Wang, Hongyu Xu, Yan Han, Degui Zhi, Zhiwen Fan·· 10 小时前AI 评分38
Contextual Credit Policy Optimization（CCPO）强化学习算法
Contextual Credit Policy Optimization
AI 导读
研究提出 Contextual Credit Policy Optimization（CCPO），通过上下文相似度加权跨轨迹经验并结合历史与未来信用评估单步进展，无需辅助价值 critic。
来源：arXiv 机器学习 · arxiv.org