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

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。