Hugging Face Daily Papers·· 12 天前AI 评分59
Horizon-Scalable Q-Learning:一种解决长视界离线强化学习误差累积的新方法
Horizon-Scalable Q-Learning
AI 导读
论文提出 Horizon-Scalable Q-Learning (HQL),旨在解决离线数据集中任务视界增长导致的价值函数估计困难问题。该方法通过自动平衡单步和多步回报,仅在目标值不低于 BC 策略采样动作时扩展目标,从而避免偏差并兼容流与扩散策略。实验表明 HQL 在组合锁任务和长视界基准上优于现有方法。
来源:Hugging Face Daily Papers · arxiv.org