论文10:36
Pareto Q-Learning with Reward Machines：多目标强化学习算法这篇论文提出了PQLRM，把Pareto Q-Learning和奖励机器结合起来，在多目标任务里比基线收敛更快，还能找到普通方法找不到的最优策略。
#Reward Machines
共 1 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「Reward Machines」标签的资讯、产品与论文，按刊登时间排，新的在上。
6月18日
这篇论文提出了PQLRM，把Pareto Q-Learning和奖励机器结合起来，在多目标任务里比基线收敛更快，还能找到普通方法找不到的最优策略。