Reinforcement Learning 相关 AI 资讯 · AI 热点

8月19日

11:42

11:42

官方一手arXiv: Google DeepMind@Hoda Yamani, Henry Williams, Bruce A. MacDonald

本文提出NSPER方法，在图像强化学习中整合新颖性和惊喜信号来优化经验回放。NSPER+R进一步将这些信号作为内在奖励，共同提升回放质量和探索效果。实验在DeepMind Control Suite任务上显示，NSPER和NSPER+R比现有方法提高了训练效率和收敛速度。

论文 Reinforcement Learning NSPER 图像强化学习

推荐理由：DeepMind团队提出NSPER方法，结合新颖性和惊喜信号，让强化学习更高效探索。

6月16日

12:10

12:10

官方账号arXiv cs.LG@Nathan Gavenski, Juarez Monteiro, Francisco Galuppo, Adriano Veloso, Odinaldo Rodrigues

PACT是一种混合架构，结合快速反应式RL策略与慢速SLM规划器。它异步调用2B参数SLM生成候选动作计划，经仿真验证安全、可行、完整后直接执行，无需重训练RL策略。在三个难度递增的FrozenLake配置上，PACT超越所有基线，表明规划与反应协同比单独使用更强。

论文 PACT Small Language Model Reinforcement Learning

推荐理由：这篇论文提出了PACT，用一个小型语言模型来规划动作，再结合强化学习策略，在FrozenLake上比纯RL效果好，而且不用重训练。