AdaGamma：状态依赖折扣改进强化学习时间适应

研究人员提出AdaGamma，一个面向深度Actor-Critic强化学习的状态依赖折扣框架，通过有界折扣函数和返回一致性目标学习折扣，避免学习折扣时直接操纵TD bootstrap目标。 摘要称其在SAC和PPO中避免了TD-collapse并改善连续控制基准，且在京东物流四周在线A/B测试中取得统计显著增益；有限表格MDP中的收缩性、精确软策略迭代和Lipschitz敏感性结论由作者给出。以上基于论文摘要，本站未核验全文。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。