⌘ K
… 读取采集状态 同步中...
雷
原文
Berkeley AI Research·· 2025-11-01AI 评分39

Berkeley AI Research 提出基于分治策略的无时间差分强化学习算法

RL without TD learning

AI 导读

Berkeley AI Research 提出了一种基于分治策略的离策略强化学习算法,旨在解决传统时间差分学习在长时程任务中误差累积导致的可扩展性问题。该算法通过将对数级减少 Bellman 递归次数,避免了 $n$-step 方法中调参与高方差的缺陷。作者在近期工作中首次将该分治范式成功扩展至目标条件强化学习等复杂任务。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:Berkeley AI Research · bair.berkeley.edu