Sergey Levine· svlevine·· 10 小时前AI 评分48
分布流强化学习提升价值估计与策略
Distributional flow RL where we enforce Bellman consistency not just on the values, but on every step of the value-generation flow process.
AI 导读
分布流强化学习：我们不仅在价值上强制贝尔曼一致性，还在价值生成流过程的每一步上强制这一致性。结果表明效果更好，能产生良好的价值分布，更准确地捕捉价值的分布，从而得到更好的策略。
来源：Sergey Levine · x.com