arXiv · cs.AI · Denis Tarasov, Robert K. Katzschmann · 8 小时前模型评分39
ReBRAC-v2：常规行为正则化 Actor-Critic 的系统性现代化在离线强化学习中的表现
ReBRAC-v2: The Return of the King
导读
ReBRAC-v2 通过直接训练精确似然的归一化流 actor，并结合分类残差评论家、分阶段优化和多样本推理，在 OGBench 十个类别上平均得分 74.8，高于次优方法的 52.3，并在八个类别中排名第一。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “ReBRAC-v2 directly trains an exact-likelihood normalizing-flow actor with likelihood, MSE, and MAE behavior regularization, classification-based residual critics, staged optimization, and multi-sample inference.”
来源：arXiv · cs.AI · arxiv.org