会员服务
强化学习（RL）是机器学习的一个领域，与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外，强化学习是三种基本的机器学习范式之一。 强化学习与监督学习的不同之处在于，不需要呈现带标签的输入/输出对，也不需要显式纠正次优动作。相反，重点是在探索（未知领域）和利用（当前知识）之间找到平衡。 该环境通常以马尔可夫决策过程（MDP）的形式陈述，因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于，后者不假设MDP的确切数学模型，并且针对无法采用精确方法的大型MDP。
TemplateRL: Structured Template-Guided Reinforcement Learning for LLM Reasoning
Arxiv
0+阅读 · 10月13日
How Reinforcement Learning After Next-Token Prediction Facilitates Learning
Arxiv
0+阅读 · 10月13日
Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?
Arxiv
0+阅读 · 10月13日
OrbitZoo: Multi-Agent Reinforcement Learning Environment for Orbital Dynamics
Arxiv
0+阅读 · 10月11日
J1: Incentivizing Thinking in LLM-as-a-Judge via Reinforcement Learning
Arxiv
0+阅读 · 10月13日
Context-Aware Model-Based Reinforcement Learning for Autonomous Racing
Arxiv
0+阅读 · 10月13日
Constraint-Aware Reinforcement Learning via Adaptive Action Scaling
Arxiv
0+阅读 · 10月13日
Emergence of hybrid computational dynamics through reinforcement learning
Arxiv
0+阅读 · 10月13日
Stronger Together: On-Policy Reinforcement Learning for Collaborative LLMs
Arxiv
0+阅读 · 10月13日
Multi-Functional RIS-Enabled in SAGIN for IoT: A Hybrid Deep Reinforcement Learning Approach with Compressed Twin-Models
Arxiv
0+阅读 · 10月13日
Offline Reinforcement Learning with Generative Trajectory Policies
Arxiv
0+阅读 · 10月13日
Demystifying Reinforcement Learning in Agentic Reasoning
Demystifying Reinforcement Learning in Agentic Reasoning
Arxiv
0+阅读 · 10月13日
Fine-tuning Behavioral Cloning Policies with Preference-Based Reinforcement Learning
Arxiv
0+阅读 · 10月13日
Game-Theoretic Risk-Shaped Reinforcement Learning for Safe Autonomous Driving
Arxiv
0+阅读 · 10月13日
PAC-Bayesian Reinforcement Learning Trains Generalizable Policies
Arxiv
0+阅读 · 10月12日
参考链接
维基百科
父主题
机器学习
数据挖掘
子主题
马尔可夫决策过程
UNREAL(DRL算法)
深度强化学习
预期回报
人工智能游戏
图强化学习
微信扫码咨询专知VIP会员
Top