10:11
官方账号arXiv cs.LG@Tomáš Holeček, Viliam Lisý
精选73°
推荐理由：斯坦福团队推出NashDreamer，解决零和博弈中的非平稳性问题，比无模型基线训练效率更高。
模型学习
共 1 条相关 AI 资讯
9月2日
10:11
NashDreamer是一种基于模型的强化学习框架，专为双人零和博弈设计。该框架引入了多智能体循环状态空间模型(MARSSM)，在四个基准游戏中显著提升了早期训练的样本效率。研究还分析了Dreamer算法族在随机环境中面临的后验崩溃问题。