11:50
官方账号arXiv cs.LG@Alper Kamil Bozkurt, Shangtong Zhang, Yuichi Motai
推荐理由：这篇论文解决了离线到在线RL中一个关键难题：在有限交互次数下，如何主动挑选微调策略而不是盲目均分预算。实验结果挺实在，值得做RL方向的朋友看看。
上置信界
共 1 条相关 AI 资讯
7月14日
11:50
该论文聚焦离线到在线强化学习（O2O-RL）中有限交互预算下的策略选择问题。提出一种主动策略选择方法，通过上置信界（UCB）平衡策略评估与微调的交互分配。UCB基于局部线性性能预测，在在线评估中拟合观测数据。实验表明该方法在多个基准任务上优于现有O2O-RL基线。这是首个系统研究该问题的学术工作。