arXiv 机器学习· Prathap Selvakumar·· 5 小时前AI 评分29
VCBM 强化学习信用分配方法：面向延迟奖励的检索加权因果链书签
Visual Causal-chain Bookmarking: Retrieval-Weighted Credit Assignment for Reinforcement Learning from Delayed Reward
AI 导读
研究提出视觉因果链书签（VCBM），通过将信用集中在决定回合回报的关键决策点来解决延迟奖励分配问题。在低维手表维修任务中，VCBM 在 20 个种子下平均 1532.3 个回合即可达到 95.07% 正确决策，收敛速度显著优于 RUDDER 基线。
来源：arXiv 机器学习 · arxiv.org