arXiv · AI· Franco Terranova (UL, LORIA, RESIST), Guillermo Bernardez (UC Santa Barbara - UCSB), Albert Cabellos-Aparicio (UPC), Nina Miolane (UC Santa Barbara - UCSB), Abdelkader Lahmadi (LORIA, UL, RESIST)·· 7 小时前AI 评分20
LaGCO-RL 提出基于隐动作投影的图组合优化方法，以简单最近邻解码实现高达 6.41 倍推理加速及 75% 泛化提升。
Projecting Latent RL Actions: Towards Generalizable and Scalable Graph Combinatorial Optimization
AI 导读
该方法在共享 GNN 隐空间中对观察与动作进行统一建模，支持对存在多个相互依赖变量、决策空间超线性增长的强化学习问题，并开放支持既有 RL-GCO 方案的 Python 库以增强可复现性。
来源：arXiv · AI · arxiv.org