主动采样能减少离线强化学习中的因果混淆吗?

💡 原文中文,约200字,阅读约需1分钟。
📝

内容提要

本文研究了离线深度强化学习的机制,发现函数逼近与固定数据分布是其最强因素,为该领域提供了有价值的见解,并解释了在线控制学习中的现象。

🏷️

标签

➡️

继续阅读