面向任务特定适应的带个性化元生成流网络

多任务强化学习与元强化学习已被发展用于快速适应新任务，但它们往往聚焦于奖励更高且出现更频繁的任务，导致在稀疏奖励任务上性能不佳。为解决此问题，GFlowNets可借助其在稀疏奖励任务上的优势被整合进元学习算法（GFlowMeta）。然而，GFlowMeta在遭遇来自不同任务的异质转移时会出现性能退化。为克服该挑战，本文提出一种名为pGFlowMeta的个性化方法，其将任务特定的个性化策略与元策略相结合。每个个性化策略平衡其个性化任务上的损失以及与元策略的差异，而元策略旨在最小化所有任务的平均损失。理论分析表明该算法以亚线性速率收敛。大量实验证明所提算法在离散环境中优于最先进的强化学习算法。