自适应掩码的保持决策转换器用于基于强化学习的推荐系统

本文介绍了一种名为Q-Transformer的可扩展强化学习方法，用于训练多任务策略。该方法利用人类示范和自主收集的数据，并应用于离线时间差分备份的训练中。Q-Transformer在离线强化学习训练中表现出良好性能，并在真实世界机器人操纵任务中优于其他算法和技术。