基于 Transformer 的袋装奖励增强学习：面向实例级奖励重新分配的方法
原文中文，约200字，阅读约需1分钟。发表于：。提出了一种称为 RLBR（Reinforcement Learning from Bagged Rewards）的新型 RL 设置，使用基于 Transformer 的奖励模型（Reward Bag Transformer）来探索袋装奖励中的奖励分布，并展示了其在上下文理解和环境动态适应性方面的卓越性能。
本文介绍了使用序列建模解决强化学习问题的方法，使用Transformer架构建模轨迹分布并改造波束搜索作为规划算法。展示了该方法在长时间序列预测、模仿学习、目标条件下的强化学习和离线强化学习方面的灵活性和高效性。同时，与基于模型的算法相结合，在稀疏奖励和长时间序列任务中表现出最先进的计划器。
