2023年11月10日
PbRL | RUNE：鼓励 agent 探索 reward model 更不确定的 (s,a)
摘要： reward model 对某 (s,a) 的不确定性，由一系列 ensemble reward models 的输出结果方差的度量，直接乘一个超参数，作为 intrinsic reward 的一部分。 阅读全文
posted @ 2023-11-10 17:43 MoonOut 阅读(361) 评论(0) 推荐(3) 编辑