Mạng nơ-ron ngẫu nhiên cho việc học tăng cường phân cấp

Tóm tắt

Học tăng cường sâu đã đạt được nhiều kết quả ấn tượng trong những năm gần đây. Tuy nhiên, các nhiệm vụ có phần thưởng thưa thớt hoặc tầm nhìn dài vẫn tiếp tục đặt ra những thách thức đáng kể. Để giải quyết những vấn đề quan trọng này, chúng tôi đề xuất một khuôn khổ chung đầu tiên học các kỹ năng hữu ích trong môi trường tiền đào tạo, sau đó tận dụng các kỹ năng đã học để học nhanh hơn trong các nhiệm vụ hạ nguồn. Phương pháp tiếp cận của chúng tôi kết hợp một số điểm mạnh của động lực nội tại và các phương pháp phân cấp: việc học các kỹ năng hữu ích được hướng dẫn bởi một phần thưởng ủy nhiệm duy nhất, thiết kế của phần thưởng này đòi hỏi rất ít kiến ​​thức về miền về các nhiệm vụ hạ nguồn. Sau đó, một chính sách cấp cao được đào tạo trên các kỹ năng này, cung cấp sự cải thiện đáng kể về quá trình khám phá và cho phép giải quyết các phần thưởng thưa thớt trong các nhiệm vụ hạ nguồn. Để đào tạo trước hiệu quả một phạm vi lớn các kỹ năng, chúng tôi sử dụng Mạng nơ-ron ngẫu nhiên kết hợp với một bộ điều chỉnh thông tin theo lý thuyết. Các thí nghiệm của chúng tôi cho thấy sự kết hợp này có hiệu quả trong việc học một phạm vi rộng các kỹ năng có thể diễn giải theo cách hiệu quả về mẫu và có thể tăng đáng kể hiệu suất học tập đồng đều trên nhiều nhiệm vụ hạ nguồn.

Xem thêm: mua tài khoản ChatGPT Plus và tài khoản ChatGPT-4 chính hãng giá rẻ