Finn团队提出生成式价值分类器GVC

斯坦福Chelsea Finn团队提出生成式价值分类器（GVC），通过动作似然反推隐式Q函数，使预训练动作也参与价值学习。该方法学习回报条件化动作模型与回报先验，并以贝叶斯规则恢复各回报区间的分布。 论文称，GVC在离线与在线强化学习任务中超过领先的判别式方法。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。