Knowledge Portal

aivaro.ru

  • 目录
  • 问题
  • 实践
  • 百科
  • 测试
  • 搜索
✈Telegram @AetSeidhe
RUEN中文
…
目录/百科/A2C

中文翻译暂不可用,显示俄语原文。

A2C

A2C

Определение

Actor-Critic метод обучения с подкреплением, использующий параллельный сбор данных для стабилизации градиентов.

Где встречается

  • 334. Как вы делаете online RL для агентов (self-improvement loops)

Навигация

  • Индекс терминов
  • Индекс разборов
  • Оглавление

Теги

wikiтерминagents

Ссылки

  • Как вы делаете online RL для агентов (self-improvement loops)?

Обратные ссылки (2)

  • Индекс терминов
  • Что такое calibration в контексте reward model для RLHF?