arXiv · cs.AI· Nishanth Anand·· 1 天前AI 评分32
持续强化学习中的永久与瞬态表征
Permanent and Transient Representations for Continual Reinforcement Learning
来源与原文
arXiv · cs.AI
作者：Nishanth Anand
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.07327v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
针对持续强化学习（CRL）智能体的稳定性-可塑性权衡，研究提出让长期学习依赖参数化表征、瞬态学习使用非参数化表征的系统级分解方案。作者引入一种新的非参数近似方法来估计复杂任务中的瞬态价值函数，使智能体能够在线学习，并在图像类任务和 Craftax-Classic 上优于竞争基线。该工作已被 NeurIPS 2026 接收。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。