OVD-Explorer：噪声环境中的探索不应仅仅是乐观的追求

BriefGPT - AI 论文速递 · 2023-12-19T00:00:00Z

本文提出了一种基于模型的加强学习算法（H-UCRL），通过加强输入空间和利用先验不确定性来提高探索，优化策略时能区分不确定性和确定性。实验表明，该算法在已知惩罚的情况下能加速学习，并且适用于现有的基于模型的加强学习算法。