כתבה
arXiv cs.AI ·
שיטות פוליצי רב-אמינותיות למדידת רכיבי נתונים נדירים
Multi-Fidelity Policy Gradients Stabilize Data-Scarce Reinforcement Learning
שיטות פוליצי רב-אמינותיות למדידת רכיבי נתונים נדירים. המחברים הציגו שיטה חדשה לשיפור רכיבי נתונים נדירים בלמידת רכיבי נתונים. השיטה משתמשת בנתונים נדירים כדי לשפר רכיבי נתונים נדירים, ומציעה פתרון חדש לבעיית הרכיבי נתונים הנדירים.
תקציר מקורי באנגליתarXiv:2610.02505v1 Announce Type: cross Abstract: Policy gradient methods for on-policy reinforcement learning (RL) can become unstable when expensive, scarce target-domain data yield noisy gradient estimates. We address this challenge by complementing limited high-fidelity (HF) target-domain data with abundant, cheap, but biased low-fidelity (LF) data, e.g., from a simplified simulator. Most existing methods directly optimize biased objectives based on LF data. In contrast, the recently introduced multi-fidelity policy gradient (MFPG) framework uses LF data solely to construct a control variate that reduces variance and improves HF data efficiency without biasing the policy gradient estimator. However, published work on MFPG is limited to REINFORCE on small-scale simulation tasks. We deve
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית