arXiv · cs.AI· Nianli Peng·· 23 天前AI 评分33
RDA2C：基于经验回放的策略对偶平均强化学习算法
Policy as Data: Replay-Based Policy Dual Averaging via Advantage Regression
来源与原文
arXiv · cs.AI
作者：Nianli Peng
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/2610.04638v1
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
论文提出 Regularized Dual Averaging Actor Critic（RDA2C），将历史数据从单纯的 off-policy 样本转变为直接参与 actor 目标的经验对偶目标。
来源：arXiv · cs.AI · arxiv.org