UT Austin提出HQL长时程学习方法
热点事件持续更新
UT Austin提出HQL长时程学习方法
1 篇报道1 个报道来源32 分钟前更新
先了解这件事
AI 综述
UT Austin团队发布Horizon-Scalable Q-Learning（HQL）论文，提出通过自适应扩展多步回报目标，改进长时程离线离策略价值学习。 具体而言，仅当critic对数据集动作的估值不低于行为克隆策略的best-of-N动作时，HQL才扩展目标，以协调一步与多步时序差分学习的误差累积和策略偏差。
AI 根据报道生成 · 17 分钟前更新
最新进展11月10日 14:17
UT Austin 提出 Horizon-Scalable Q-Learning 改善长时程离线价值学习报道时间线
沿着报道，了解事件的不同侧面。
11月10日
- AGI HuntUT Austin 提出 Horizon-Scalable Q-Learning 改善长时程离线价值学习
UT Austin 团队提出 Horizon-Scalable Q-Learning（HQL），通过自适应扩展多步回报目标，改善长时程离线 off-policy 价值学习。该方法仅在 critic 对数据集动作的估值不低于行为克隆策略 best-of-N 动作时扩展目标，从而自动平衡一步与多步 TD 的误差累积和策略偏差。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。