研究实证检验强化学习缩放定律

1. 12:00
   arXiv · Machine Learning

   强化学习缩放定律的实证研究

   研究者在 Starpilot 和 Craftax 两个程序生成环境中，实证研究 actor-critic 算法的强化学习缩放定律，并发现两种环境都存在预测能力较强的规律。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。