arXiv · ML· Rohit Kumar Salla, Simon Stepputtis·· 10 天前AI 评分33
AIC:一种通过自适应内部计算优化强化学习的迭代策略
Learning When to Think: Adaptive Internal Computation for Reinforcement Learning
AI 导读
AIC 提出了一种自适应内部计算方法,学习在何时停止精炼潜在表示并执行动作,通过联合训练动作选择与停止机制,并结合预期深度惩罚和价值预测辅助监督。在12个基准任务中,AIC 平均仅执行3.3步细化(上限8步),相比固定8步策略在4个控制和机器人任务上将单决策延迟降低31%–44%。
来源:arXiv · ML · arxiv.org