术语slug: mdp

马尔可夫决策过程

MDP

描述序列决策问题的数学框架,假设未来状态仅依赖当前状态

收录情报动态

共 2 篇 · 第 1/1 页
OpenAI 官方博客T1·基座大模型
78 分
RL²:用慢速强化学习训练快速适应算法

OpenAI 提出 RL² 框架,将“快速”强化学习算法编码进循环神经网络(RNN)权重中。通过通用“慢速”RL 算法在大量任务上训练该 RNN,使其具备跨 Episode 记忆能力,从而在新环境中实现少样本快速适应。实验证明该方法在多臂老虎机及视觉导航等大规模任务中有效。