initial_h

摘要： 发表时间： 2023 (NeurIPS 2023) 文章要点： 文章提出一个evolvable LLM-based agent框架REMEMBERER，主要思路是给大模型加一个experience memory存储过去的经验，然后用Q-learning的方式计算Q值，再根据任务相似度采样轨迹和对应的 阅读全文

摘要： 发表时间：2020 文章要点：这篇文章主要介绍当前offline RL的研究进展，可能的问题以及一些解决方法。 作者先介绍了强化学习的准备知识，比如policy gradients，Approximate dynamic programming，Actor-critic algorithms，Mod 阅读全文

摘要： 发表时间：2021(IEEE Transactions on Neural Networks and Learning Systems) 文章要点：这篇文章提出一个新的experience replay的方法，improved SAC (ISAC)。大概思路是先将replay buffer里面好的e 阅读全文

摘要： 发表时间：2018(Neural Processing Letters 2019) 文章要点：这篇文章认为之前的experience replay的方法比如PER没有将transition的分布情况考虑在内，于是提出一个新的experience replay的方法，将occurrence frequ 阅读全文

摘要： 发表时间：2021(ICML 2022) 文章要点：这篇文章把experience replay看做一个通过importance sampling来估计梯度的问题，从理论上推导经验回放的最优采样分布，然后提出LaBER (Large Batch Experience Replay)算法来近似这个采样 阅读全文

摘要： 发表时间：2016（ICLR 2016） 文章要点：这篇文章提出了很经典的experience replay的方法PER，通过temporal-difference (TD) error来给采样赋权重（Sequences associated with rewards appear to be re 阅读全文

摘要： 发表时间：2019 (NeurIPS 2019) 文章要点：这篇文章提出Episodic Backward Update (EBU)算法，采样一整条轨迹，然后从后往前依次更新做experience replay，这种方法对稀疏和延迟回报的环境有很好的效果（allows sparse and dela 阅读全文

摘要：  **发表时间：**2020 **文章要点：**这篇文章提出LFIW算法用likelihood作为experienc 阅读全文

摘要：  **发表时间：**2020（ICML 2020） **文章要点：**这篇文章基于SAC做简单并且有效的改进来提升 阅读全文

摘要：  **发表时间：**2019 (IJCAI 2019) **文章要点：**这篇文章提出experience rep 阅读全文

摘要：  **发表时间：**2016（IROS 2016） **文章要点：**这篇文章提出了experience repl 阅读全文

摘要：  **发表时间：**2015（Deep Reinforcement Learning Workshop, NIPS 阅读全文

摘要：  **发表时间：**2018（AAAI 2018） **文章要点：**这篇文章想解决强化学习在学多个任务时候的遗忘 阅读全文

摘要：  **发表时间：**2021 **文章要点：**这篇文章主要是设计了一个用来做experience replay的框 阅读全文

摘要：  **发表时间：**2022（ICLR 2022） **文章要点：**这篇文章指出根据TD error来采样是低效的 阅读全文