论文09:47
论文：将 Jev 决策模型用作强化学习中的参考策略与探索裁判有意思的尝试：Jev 不生成文本、一次前向就出答案，论文让它当参考策略、探索裁判和回放评分器，MiniGrid 和 Atari 上都跑赢了标准 RL 学习器。
#Atari
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「Atari」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月9日
有意思的尝试：Jev 不生成文本、一次前向就出答案，论文让它当参考策略、探索裁判和回放评分器，MiniGrid 和 Atari 上都跑赢了标准 RL 学习器。