跳到正文
arXiv · ML· Ruben Sanchez-Corcuera, Unai Zulaika, Aritz Bilbao-Jayo, Miguel Fernandez-de-Retana·· 17 小时前AI 评分28

结果奖励强化学习只能强化已观测到的成功行为

RL Can Only Reinforce What It Sees Succeed

AI 导读

结果奖励强化学习(RL)仅能强化观测到的成功行为,当正确动作稀少时,训练结果呈现全有或全无特征,且该结果由训练前期望成功组数预测,约35组即可达到50%概率。 该规律在4至256次尝试组、1.3M至85M参数规模及不同学习率、优化器设置下均成立,仅阈值随条件变化。

来源:arXiv · ML · arxiv.org