10:06
官方账号arXiv cs.LG@Luca Viano, Antoine Moulin, Audrey Huang, Volkan Cevher, Philip Amortila, Dylan J. Foster
推荐理由：这篇论文把模仿学习里交互到底帮不帮忙讲清楚了，还给了能跑的OVI算法，做RL或蒸馏的值得看一眼。
OVI
共 1 条相关 AI 资讯
8月3日
10:06
该论文研究专家交互在模仿学习中的作用，发现交互可放宽对学习者模型的表征要求，只需实现专家价值函数而非完整策略。作者提出OVI算法，在能表示专家价值函数时统计高效，并借助线性最大化预言机实现计算高效。负向结果表明，在仅具备价值可实现性假设下，离线模仿学习算法必须依赖策略类复杂度。实验显示OVI优于BC、DAgger及离线价值法，在模型表达能力弱于专家时增益最大。