基于注意力的稀疏和延迟奖励塑造

本研究解决了稀疏和延迟奖励函数对强化学习应用造成的挑战，提出了一种新的注意力机制算法ARES，通过使用变压器的注意力机制生成塑造奖励，从而为任何环境创建稠密奖励函数。实验表明，ARES显著改善了延迟奖励场景中的学习，能够在数据量不足或低质量数据的情况下有效进行训练。