BriefGPT - AI 论文速递 · 2023-10-04T00:00:00Z

奖励模型合集有助于缓解过度优化

📝

内容提要

该研究使用深度神经网络同时学习模型和策略，提出使用模型集合来维护模型的不确定性并规范学习过程。通过使用“likelihood ratio”导数，可以获得更加稳定的学习。该方法在连续控制基准任务中，显著减少了比基于模型的深度RL方法所需的样本数量。

🏷️

标签

不确定性 学习过程 样本数量 模型集合 深度神经网络