成为VIP会员查看完整内容
VIP会员码认证
首页
主题
会员
服务
注册
·
登录
稀疏奖励
关注
0
综合
百科
VIP
热门
动态
论文
精华
$π$-Play: Multi-Agent Self-Play via Privileged Self-Distillation without External Data
Arxiv
0+阅读 · 4月15日
Reason in Chains, Learn in Trees: Self-Rectification and Grafting for Multi-turn Agent Policy Optimization
Arxiv
0+阅读 · 4月8日
ARM: Advantage Reward Modeling for Long-Horizon Manipulation
Arxiv
0+阅读 · 4月3日
Actor-Critic for Continuous Action Chunks: A Reinforcement Learning Framework for Long-Horizon Robotic Manipulation with Sparse Reward
Arxiv
0+阅读 · 2月27日
Wonder Wins Ways: Curiosity-Driven Exploration through Multi-Agent Contextual Calibration
Arxiv
0+阅读 · 2月22日
From Contextual Combinatorial Semi-Bandits to Bandit List Classification: Improved Sample Complexity with Sparse Rewards
Arxiv
0+阅读 · 2月23日
ETGL-DDPG: A Deep Deterministic Policy Gradient Algorithm for Sparse Reward Continuous Control
Arxiv
0+阅读 · 2月17日
Enabling Option Learning in Sparse Rewards with Hindsight Experience Replay
Arxiv
0+阅读 · 2月14日
Alleviating Sparse Rewards by Modeling Step-Wise and Long-Term Sampling Effects in Flow-Based GRPO
Arxiv
0+阅读 · 2月6日
Goldilocks RL: Tuning Task Difficulty to Escape Sparse Rewards for Reasoning
Arxiv
0+阅读 · 2月16日
Beyond Rewards in Reinforcement Learning for Cyber Defence
Arxiv
0+阅读 · 2月12日
Beyond Rewards in Reinforcement Learning for Cyber Defence
Arxiv
0+阅读 · 2月4日
Driving Beyond Privilege: Distilling Dense-Reward Knowledge into Sparse-Reward Policies
Arxiv
0+阅读 · 2025年12月27日
参考链接
提示
微信扫码
咨询专知VIP会员与技术项目合作
(加微信请备注: "专知")
微信扫码咨询专知VIP会员
Top