arXiv · cs.AI· Yi Ma·· 19 天前AI 评分32
决策模型 Jev 能否在强化学习中充当 Q 函数或策略？
Can Jev be Your Q or Policy in Reinforcement Learning?
来源与原文
arXiv · cs.AI
作者：Yi Ma
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/2610.11692v1
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
论文研究决策模型 Jev 在强化学习（RL）中的角色，发现它能满足 RL 系统对答案的除价值函数外的全部要求，并构建了将其用作参考策略、探索裁判和重放评分器的算法。在 9 个 MiniGrid 任务和 3 个 Atari 游戏上，使用 Jev 的训练优于标准 RL 学习器，且模型本身保持冻结未训练。
来源：arXiv · cs.AI · arxiv.org