CUMA · 13 NOT

25 Eylül 2026 notları

Günün notları

05
ARAŞTIRMA arXiv · 1 dk okuma

Yeni bir ödül, RL eğitimi olmadan sonuç verir mi?

PoEM adlı çerçeve, yeni bir ödül fonksiyonu için pekiştirmeli öğrenme (RL) çalıştırmadan sonucu tahmin etmeyi hedefliyor. Yeni ödül, mevcut ödüllerin doğrusal birleşimiyse, yeni politikanın log uzayındaki karşılığı da eldeki…