AGI Hunt· kastnerkyle·· 1 小时前AI 评分47
MIT CSAIL 提出 PoEM:无需训练即可预测策略 RL 在新奖励上的结果
MIT CSAIL 提出 PoEM:不用训练即可预测策略 RL 在新奖励上的结果
AI 导读
MIT CSAIL 团队发布论文提出 PoEM,无需新的 RL 训练即可预测策略 RL 在新奖励上的学习结果。该方法利用基策略参数更新近正交、对数策略比张成低维空间的特性,通过共享校准样本、prompt 内中心化与最小二乘拟合组合基策略,为 RL 后训练提供“先预测再训练”的廉价评估手段,可显著节省探索成本。
来源:AGI Hunt · agihunt.info