Chelsea Finn· chelseabfinn·· 2026-06-07AI 评分43
长时域Q学习有效缓解RL自举误差
Scaling RL to long horizons remains a major challenge.
AI 导读
将强化学习扩展到长时域仍是一个重大挑战。 长时域Q学习（LQL）通过约束长时域上价值函数的差异，防止自举误差累积。 相比单步TD和n步回报，LQL展现出显著提升！ 论文：https://arxiv.org/abs/2605.05812
来源：Chelsea Finn · x.com