Naukowcy wprowadzili algorytm Curiosity-Critic, który poprawia nagrody intrinsyczne dla eksploracji w uczeniu przez wzmacnianie. Metoda skupia się na minimalizacji skumulowanego błędu predykcji modelu świata zamiast błędu bieżącego kroku.
To streszczenie zostało przygotowane przy pomocy narzędzi AI na podstawie źródła. Pełną treść znajdziesz w oryginalnym artykule.
Co o tym myślisz?
Zaloguj się, aby dołączyć do dyskusji.
Zaloguj się do dzis.ai
Komentuj, zachowaj swoją passę, dołącz do dyskusji.
G Kontynuuj z Google