会员服务
强化学习（RL）是机器学习的一个领域，与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外，强化学习是三种基本的机器学习范式之一。 强化学习与监督学习的不同之处在于，不需要呈现带标签的输入/输出对，也不需要显式纠正次优动作。相反，重点是在探索（未知领域）和利用（当前知识）之间找到平衡。 该环境通常以马尔可夫决策过程（MDP）的形式陈述，因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于，后者不假设MDP的确切数学模型，并且针对无法采用精确方法的大型MDP。
PoLi-RL: A Point-to-List Reinforcement Learning Framework for Conditional Semantic Textual Similarity
Arxiv
0+阅读 · 2月19日
RLGT: A reinforcement learning framework for extremal graph theory
Arxiv
0+阅读 · 2月19日
Efficient Reinforcement Learning for Large Language Models with Intrinsic Exploration
Arxiv
0+阅读 · 2月19日
Capacity-constrained demand response in smart grids using deep reinforcement learning
Arxiv
0+阅读 · 2月18日
GLM-5: from Vibe Coding to Agentic Engineering
Arxiv
1+阅读 · 2月17日
MyoInteract: A Framework for Fast Prototyping of Biomechanical HCI Tasks using Reinforcement Learning
Arxiv
0+阅读 · 2月16日
CDRL: A Reinforcement Learning Framework Inspired by Cerebellar Circuits and Dendritic Computational Strategies
Arxiv
0+阅读 · 2月17日
FlowSteer: Interactive Agentic Workflow Orchestration via End-to-End Reinforcement Learning
Arxiv
0+阅读 · 2月17日
Policy Gradients for Cumulative Prospect Theory in Reinforcement Learning
Arxiv
0+阅读 · 2月17日
Solving Parameter-Robust Avoid Problems with Unknown Feasibility using Reinforcement Learning
Arxiv
0+阅读 · 2月17日
On the Role of Iterative Computation in Reinforcement Learning
Arxiv
0+阅读 · 2月17日
Safe Reinforcement Learning via Recovery-based Shielding with Gaussian Process Dynamics Models
Arxiv
0+阅读 · 2月17日
SIGHT: Reinforcement Learning with Self-Evidence and Information-Gain Diverse Branching for Search Agent
Arxiv
0+阅读 · 2月12日
Meta-reinforcement learning with minimum attention
Arxiv
0+阅读 · 2月6日
Rank-1 Approximation of Inverse Fisher for Natural Policy Gradients in Deep Reinforcement Learning
Arxiv
0+阅读 · 2月8日
参考链接
维基百科
微信扫码咨询专知VIP会员
Top