跳到正文
热点事件持续更新

Prob-IRM：从噪声历史学习奖励机

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Roko Parac等作者提出Prob-IRM，用归纳逻辑编程从带噪声的命题历史中学习奖励机，并在离散与连续环境中用于策略学习。 该方法用对奖励机状态的信念判断何时重新学习奖励机，并提供额外引导奖励。在标签噪声下，其表现与使用手工奖励机的基线相当，并优于用循环神经网络编码历史的方法。

AI 根据报道生成 · 5 小时前更新

最新进展11月3日 13:00
Prob-IRM：在噪声环境下学习并执行奖励机器

报道时间线

沿着报道，了解事件的不同侧面。

11月3日
  1. arXiv · cs.AI
    Prob-IRM：在噪声环境下学习并执行奖励机器

    Prob-IRM 用归纳逻辑编程（ILP，Inductive Logic Programming）从带噪声的命题历史中学习奖励机器（RM，Reward Machine），并在离散与连续环境中用于策略学习。它用对 RM 状态的信念判断何时重新学习 RM，并提供额外引导奖励。在标签噪声下，其表现与使用手工 RM 的基线相当，并优于用循环神经网络编码历史的方法。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。