当前标签：offline RL

offline meta-RL | 近期工作速读记录
MoonOut 2025-12-13 17:36 阅读:741 评论:0 推荐:2
offline meta-RL | 经典论文速读记录
MoonOut 2025-12-07 10:35 阅读:1048 评论:0 推荐:1
offline RL · PbRL | LiRE：构造 A>B>C 的 RLT 列表，得到更多 preference 数据
MoonOut 2024-11-30 16:07 阅读:303 评论:0 推荐:0
offline RL | D4RL：最常用的 offline 数据集之一
MoonOut 2024-03-09 17:36 阅读:2495 评论:0 推荐:0
offline RL · PbRL | Preference Transformer：反正感觉 transformer 很强大
MoonOut 2024-03-06 12:57 阅读:399 评论:0 推荐:0
offline RL · PbRL | OPPO：PbRL 场景的 offline hindsight transformer
MoonOut 2024-02-27 21:38 阅读:167 评论:0 推荐:0
offline RL | HIM：基于 hindsight 的 RL 是一类大 idea
MoonOut 2024-02-27 21:08 阅读:439 评论:0 推荐:0
offline RL | 读读 Decision Transformer
MoonOut 2024-02-27 20:14 阅读:995 评论:0 推荐:2
offline 2 online | Cal-QL：校准保守 offline 训出的 Q value，让它与真实 reward 尺度相当
MoonOut 2024-02-07 20:14 阅读:269 评论:0 推荐:0
offline 2 online | 重要性采样，把 offline + online 数据化为 on-policy samples
MoonOut 2024-02-07 14:08 阅读:460 评论:0 推荐:1
offline 2 online | AWAC：基于 AWR 的 policy update + online 补充数据集
MoonOut 2024-02-05 21:50 阅读:318 评论:0 推荐:1
offline RL | ABM：从 offline dataset 的好 transition 提取 prior policy
MoonOut 2024-01-21 11:26 阅读:218 评论:0 推荐:0
offline RL | Pessimistic Bootstrapping (PBRL)：在 Q 更新中惩罚 uncertainty，拉低 OOD Q value
MoonOut 2023-12-17 15:37 阅读:231 评论:0 推荐:0
offline RL | BCQ：学习 offline dataset 的 π(a|s)，直接使用 (s, π(s)) 作为 Q learning 训练数据
MoonOut 2023-11-27 21:29 阅读:405 评论:0 推荐:0
offline RL | IQL：通过 sarsa 式 Q 更新避免 unseen actions
MoonOut 2023-11-25 20:12 阅读:1048 评论:0 推荐:0
offline RL | TD3+BC：在最大化 Q advantage 时添加 BC loss 的极简算法
MoonOut 2023-11-19 17:02 阅读:1135 评论:0 推荐:0
off-policy RL | Advantage-Weighted Regression (AWR)：组合先前策略得到新 base policy
MoonOut 2023-11-13 20:40 阅读:642 评论:0 推荐:0
PbRL · offline RL | OPRL：发现部分 D4RL tasks 不适合做 offline reward learning
MoonOut 2023-11-13 18:11 阅读:730 评论:0 推荐:0
offline RL | CQL：魔改 Bellman error 更新，得到 Q 函数 lower-bound
MoonOut 2023-11-07 15:12 阅读:1275 评论:0 推荐:3