BriefGPT - AI 论文速递 · 2023-10-27T00:00:00Z

训练一次，得到一个家庭：离线到在线强化学习的状态自适应平衡

📝

内容提要

介绍了家族离线到在线RL框架，可自适应平衡策略改进和约束强度，提高强化学习性能。使用通用模型训练一族具有不同改进/约束强度的策略，并使用平衡模型为每个状态选择适当的策略。实验结果表明，该框架相对于现有方法具有显著的改进，并在D4RL基准上实现了最先进的性能。

🏷️

标签

D4RL基准 家族离线到在线RL 强化学习 策略改进 约束强度