ICML论文：强化学习采样计算的最优扩展

tw_killian · x · 2026-07-08

本研究探讨了计算最优的强化学习（compute-optimal RL），提出了IsoCompute Playbook，旨在为强化学习的采样计算（Sampling Compute）提供最优的扩展策略。该工作将在本周的ICML 2026会议上进行展示。