强化学习策略选择或错过最佳已访问策略

Judith Echevarrieta、Etor Arza、Aritz Pérez和Josu Ceberio对单任务、基于策略的强化学习开展实证研究，发现常用策略选择方法可能偏离训练中访问过的最佳策略，造成性能估计偏低和计算资源使用低效。研究提出事后诊断指标，并建议在计算成本约束下通过验证选择策略，以更准确、高效地近似最佳已访问策略。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。