2025年6月8日
Conservative Q Learning(保守强化学习)傻瓜级讲解和落地教程
摘要： 转自：https://zhuanlan.zhihu.com/p/603691759 一句话概括CQL：通过打压OOD(out of distribution)的q值的同时，去适当的鼓励已经在buffer(训练集)中的q值，从而防止q值被高估。论文中严格证明了通过该方法，能确保学习到q值的下界值，避免 阅读全文
posted @ 2025-06-08 19:02 有何m不可 阅读(84) 评论(0) 推荐(0)