BriefGPT - AI 论文速递 · 2023-09-22T00:00:00Z H2O+: 混合离线和在线强化学习的改进框架与动态间隙 💡 原文中文，约200字，阅读约需1分钟。 📝 内容提要 本文介绍了自适应策略学习框架，可融合离线与在线学习，提高离线数据集质量，实验表明可在离线数据集质量较差情况下实现高样本效率。 🎯 关键要点 介绍了一种自适应策略学习框架 框架可融合离线学习与在线学习 采用乐观/贪心和悲观更新策略提高离线数据集质量 通过嵌入值或基于策略的RL算法实现 实验表明在离线数据集质量较差情况下实现高样本效率 🏷️ 标签 在线学习 强化学习 样本效率 离线学习 离线数据集 自适应策略学习 阅读原文 生成长图 分享链接 已复制链接
