共 2 篇相关文章
离线强化学习新方法DFQI通过L1惩罚联合估计源与目标Q函数，实现直接知识迁移，在目标数据有限时提升策略学习性能，并具备统计保证。
离线强化学习新论文提出结构行为正则化StBR，用潜空间散度替代动作分布约束，解决动态偏移问题，在多样化基准上取得更优性能。
