Bilanz der Quelle: FERPO ist ein On-Policy-Max-Entropy-RL-Algorithmus, der die Policy-Verbesserung über Critic-Werte betreibt und die Policy-Update ohne den Critic nach Aktionen zu differenzieren. Die KL-regularisiertem Verbesserungsziel und der geschaetz mit selbstnormalisiertem Importance Sampling (SNIS) Policy-Update sind die Hauptmerkmale von FERPO.
🔗 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.
