无需 TD 学习的强化学习：分治法实现长时程 off-policy RL
RL without TD learning
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
伯克利 AI 研究提出一种基于分治（divide and conquer）范式的 off-policy 强化学习算法，不依赖时序差分（TD）学习，可将 Bellman 递归次数从线性降为对数级，从而扩展到任意长时程任务。
来源：Berkeley AI Research · bair.berkeley.edu
RL without TD learning
本站未展示全文，请前往来源网站阅读。
伯克利 AI 研究提出一种基于分治（divide and conquer）范式的 off-policy 强化学习算法，不依赖时序差分（TD）学习，可将 Bellman 递归次数从线性降为对数级，从而扩展到任意长时程任务。
来源：Berkeley AI Research · bair.berkeley.edu