Bilanz der Quelle: FERPO ist ein On-Policy-Max-Entropy-RL-Algorithmus, der die Policy-Verbesserung über Critic-Werte betreibt und den Critic nach Aktionen nicht differenziert. Es optimiert die Ziel-Aktionsverteilung entropie- und KL-regularisiert und den Fit des Actors per Forward-KL, geschaetzt mit selbstnormalisiertem Importance Sampling (SNIS).
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von export.arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von export.arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
