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。
Stochastic Resetting Accelerates Policy Convergence in Reinforcement Learning
Arxiv
0+阅读 · 3月17日
Multi-Agent Reinforcement Learning Counteracts Delayed CSI in Multi-Satellite Systems
Arxiv
0+阅读 · 3月17日
SHaRe-RL: Structured, Interactive Reinforcement Learning for Contact-Rich Industrial Assembly Tasks
Arxiv
0+阅读 · 3月17日
Controlling Fish Schools via Reinforcement Learning of Virtual Fish Movement
Arxiv
0+阅读 · 3月17日
On-Policy RL Meets Off-Policy Experts: Harmonizing Supervised Fine-Tuning and Reinforcement Learning via Dynamic Weighting
Arxiv
0+阅读 · 3月17日
Agile Interception of a Flying Target using Competitive Reinforcement Learning
Arxiv
1+阅读 · 3月17日
DRL-Based Beam Positioning for LEO Satellite Constellations with Weighted Least Squares
Arxiv
0+阅读 · 3月17日
Amplification Effects in Test-Time Reinforcement Learning: Safety and Reasoning Vulnerabilities
Arxiv
0+阅读 · 3月16日
Curriculum Reinforcement Learning from Easy to Hard Tasks Improves LLM Reasoning
Arxiv
0+阅读 · 3月16日
Deterministic Policy Gradient for Reinforcement Learning with Continuous Time and State
Arxiv
0+阅读 · 3月16日
Buffer Matters: Unleashing the Power of Off-Policy Reinforcement Learning in Large Language Model Reasoning
Arxiv
0+阅读 · 3月16日
PerlAD: Towards Enhanced Closed-loop End-to-end Autonomous Driving with Pseudo-simulation-based Reinforcement Learning
Arxiv
0+阅读 · 3月16日
Sample-Efficient Hypergradient Estimation for Decentralized Bi-Level Reinforcement Learning
Arxiv
0+阅读 · 3月16日
Masked Auto-Regressive Variational Acceleration: Fast Inference Makes Practical Reinforcement Learning
Arxiv
0+阅读 · 3月16日
DRL-Based Beam Positioning for LEO Satellite Constellations with Weighted Least Squares
Arxiv
0+阅读 · 3月15日
参考链接
维基百科
微信扫码咨询专知VIP会员
Top