arXiv stat.ML· Hao Cheng, Yuling Jiao, Lican Kang, Jerry Zhijian Yang, Chen Zhong·· 8 天前AI 评分32
用于离线最大熵强化学习的条件流模型
Conditional Flow Models for Offline Maximum Entropy Reinforcement Learning
AI 导读
研究者提出一种面向离线最大熵强化学习的框架，利用概率流 ODE 条件扩散模型分别估计未知的奖励分布与转移核，进而通过深度神经网络拟合最优软动作价值函数 $Q^*$。
来源：arXiv stat.ML · arxiv.org