层次化通用价值函数逼近器
计算与语言
2024-10-14 v1
摘要
对于构建多目标强化学习价值函数的通用逼近器已取得重要进展——这们是估计状态参数化长期回报的关键元素。我们将其扩展到层次化强化学习，采用 options 框架，通过引入层次化通用价值函数逼近器（H-UVFAs）来实现。这使我们能够利用在时间抽象设置下预期的扩展性、规划和泛化优势。我们发展了监督学习和强化学习方法，用于学习状态、目标、选项和动作的嵌入向量，这两个层次化价值函数： 和 。最后我们展示了 H-UVFAs 的泛化能力，并表明它们优于相应的 UVFAs。
引用
@article{arxiv.2410.08996,
title = {Hypothesis-only Biases in Large Language Model-Elicited Natural Language Inference},
author = {Grace Proebsting and Adam Poliak},
journal= {arXiv preprint arXiv:2410.08996},
year = {2024}
}