论文10:50
METTA:基于神经记忆的元强化学习测试时适应方法这篇论文搞了个叫 METTA 的方法,用神经记忆替代 transformer 回看历史,ML10/45 上成功率超 50%,算力开销还更低。
这篇论文搞了个叫 METTA 的方法,用神经记忆替代 transformer 回看历史,ML10/45 上成功率超 50%,算力开销还更低。
朋友,这是篇关于如何让AI在元强化学习中更安全的研究,作者提出了一个新框架,通过信息空间来评估安全,挺有意思的。
RubricEM 解决了强化学习中奖励设计难的问题,做复杂任务规划和决策的 AI 研究者值得关注,它可能让强化学习在更多真实场景落地。