PoEM 论文:用旧奖励模型组合预测新 RL 训练结果,免训练模拟策略

gowthami_s · x · 2026-11-21

Giannis Daras 团队发布新论文 PoEM,回答的问题是:能否在不真正训练的情况下,预测 RL 在一个新奖励上学到的策略?

所属事件:MIT CSAIL 推出 PoEM:免训练预测 RL 新奖励策略(2 条相关)→

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →