2023年11月7日
offline RL | CQL：魔改 Bellman error 更新，得到 Q 函数 lower-bound
摘要： 把 OOD 的 Q 函数值拉低，ID 的 Q 函数值拉高，因此倾向于选择原来数据集里有的 ID 的 action。 阅读全文
posted @ 2023-11-07 15:12 MoonOut 阅读(497) 评论(0) 推荐(2) 编辑
凸优化 | Lagrange 对偶：极大极小不等式的证明
摘要： sup inf ≤ inf sup，证明关键： inf_w f(w,z) 是 f(w0,z) 逐点下界，对于任意 w0。 阅读全文
posted @ 2023-11-07 10:51 MoonOut 阅读(92) 评论(1) 推荐(0) 编辑