#rl

强化学习作为一个大序列建模问题
Reinforcement Learning as One Big Sequence Modeling Problem(arxiv.org)
2021-6-5 2:54
下载PDF摘要：钢筋学习（RL）通常涉及估计阶段策略或单步模型，利用马尔可夫属性及时解决问题。但是，我们还可以将RL视为一个定义问题问题，目标是预测一系列动作，即将其释放到一系列高奖励。通过这种方式查看，它是诱人的，无论是强大的，高容量序列预测模型是否在其他域名，如自然语言处理，也可以为RL问题提供和有效的解决方案。......
强化学习是对优化数据的有监督学习
Reinforcement learning is supervised learning on optimized data(bair.berkeley.edu)
2020-10-14 8:39
强化学习(RL)最常用的两种观点是最优化和动态规划。计算不可微期望报酬目标的梯度的方法，如强化技巧，通常归入优化角度，而使用TD学习或Q学习的方法是动态规划方法。虽然这些方法在最近几年已经取得了相当大的成功，但这些方法在应用于新问题方面仍然具有相当的挑战性。相比之下，深度监督学习非常成功，因此我们可能会问：我们可以使......
学会在最佳应对策略迭代中进行无媒体外交
Learning to Play No-Press Diplomacy with Best Response Policy Iteration(arxiv.org)
2020-6-16 9:3
下载PDF摘要：深度强化学习(RL)的最新进展已经在许多双人零和游戏中取得了相当大的进步，如围棋、扑克和星际争霸。这类游戏的纯对抗性本质允许RL方法在概念上的简单和原则性的应用。然而，现实世界的设置是多智能体的，智能体交互是共同兴趣和竞争方面的复杂混合物。我们来看一款名为“外交”(Diplomacy)的7人棋盘游戏，......