Berkeley AI Research·2025-11-01 17:00· 2025-11-01AI 评分47

不基于 TD learning 的强化学习：分治法训练价值函数

RL without TD learning

AI 导读

这篇 Berkeley AI Research 博客介绍一种基于分治而非 TD learning 的 off-policy RL 价值学习范式。

来源：Berkeley AI Research · bair.berkeley.edu

#论文/研究 #推理 #数据/训练