2025年4月11日
RL · Exploration | ETD：使用时序距离构造 intrinsic reward，鼓励 agent 探索
摘要： 鼓励 agent 探索与当前 episode 历史在到达时间（temporal distance）上较远的状态。 阅读全文
posted @ 2025-04-11 23:40 MoonOut 阅读(194) 评论(1) 推荐(0)