arXiv · ML· Hao Bai, Chenlu Ye, Xuanchang Zhang, Aviral Kumar, Tong Zhang·· 2 天前AI 评分35
RSC 在强化学习智能体任务中提升样本效率
Regularized Score Centering
AI 导读
引入 RSC 方法,通过添加反向 KL 散度罚项稳定异步强化学习,结合截断重要性采样(TIS)可在同等采样响应下获得更高训练奖励。 在数学推理和涵盖在线购物、工具使用等六大智能体基准测试中,RSC 配合 TIS 显著提升了样本效率。 在 AppWorld 任务上性能提升 14.3%,在 BabyAI 上达到最强基线分数的 9.9 倍。
来源:arXiv · ML · arxiv.org