arXiv · ML· Tong Che, Boris Ivanovic, Marco Pavone·2026-10-23 12:00· 4 小时前AI 评分28

Short-to-Long：用于长程价值学习的分离特征

Short-to-Long: Detached Features for Long-Horizon Value Learning

AI 导读

提出 Short-to-Long (S2L) 方法，利用小折扣源网络训练的特征为长程行为学习者提供监督，通过分离连接实现梯度隔离。在 Atari、在线及离线连续控制任务中产生聚合性能增益，在 57 款 Atari 游戏中有 40 款提高了成对终端中位数。消融实验证实了特征转移、较小源折扣及梯度隔离的关键作用。

来源：arXiv · ML · arxiv.org

推理能力论文研究 #论文/研究 #推理