2023年4月16日
Value targets in off-policy AlphaZero: a new greedy backup
摘要： **发表时间：**2021 **文章要点：**这篇文章给AlphaZero设计了一个新的value targets，AlphaZero with greedy backups (A0GB)。 AlphaZero的树里面有探索，而value又是所有结果的平均，所以并不准确。而选动作也是依概率选的，但真 阅读全文
posted @ 2023-04-16 10:23 initial_h 阅读(29) 评论(0) 推荐(1) 编辑