研究行为者与评论者表示在强化学习中的相互作用

本文研究了深度强化学习中，从高维观测流中提取相关信息的挑战，特别是在行为者-评论者算法中。研究发现，分开的表示能让行为者和评论者专注于提取不同类型的信息，行为者关注与行动相关的信息，而评论者则专注于价值和动态信息，最终提升了样本效率和生成能力。