arXiv cs.LG· Zhiyuan Zhou, Sergey Levine·· 7 小时前AI 评分29
Advantage Guidance：用监督学习结构实现超越 RL 的策略优化
Reinforcement Learning via Advantage Guidance
AI 导读
研究者提出策略提取方法 Advantage Guidance，在保留监督学习式优势条件训练结构的同时，通过对比扩散引导采样，使模型能有效响应条件优势信号并逼近 KL 正则化最优策略。在 26 个长时程、稀疏奖励任务上，该方法显著优于此前的 SOTA RL 方法。
来源：arXiv cs.LG · arxiv.org