BriefGPT - AI 论文速递 · 2025-04-29T00:00:00Z

回报上限：样本高效的条件风险价值策略梯度优化

📝

内容提要

本文提出了一种通过设定轨迹总回报上限来优化条件风险价值（CVaR）的方法，旨在解决现有策略梯度方法中因大量丢弃轨迹而导致的样本效率低下问题。实验结果表明，该方法在多个环境中显著提升了性能。

🏷️

标签

CVaR 条件风险价值 样本效率 策略梯度 轨迹回报