BriefGPT - AI 论文速递 · 2023-09-22T00:00:00Z 离线多智能体强化学习的反事实保守 Q 学习 💡 原文中文，约200字，阅读约需1分钟。 📝 内容提要 该文介绍了置信度条件价值函数的学习方法，能够在训练时学习不同的保守程度，并在评估时动态地选择其中一种。实验结果表明该方法在多个离散控制领域中的性能优于现有的保守离线强化学习算法。 🏷️ 标签 保守程度 动态选择 多智能体 强化学习算法 离散控制领域 置信度条件价值函数 阅读原文 生成长图 分享链接 已复制链接
