Difusión para coordinar políticas multiagente en línea
Descubre OMAD, el primer marco MARL en línea con políticas de difusión que mejora 2.5x a 5x la eficiencia de muestras en tareas multiagente.
#función de valor
Planificación bajo cambios de distribución con POMDPs causales
Planifica bajo cambios de distribución con POMDPs causales. Este marco mantiene la tractabilidad usando funciones de valor lineales convexas. Ideal para IA.
Flujo esférico latente para RL con acciones combinatorias
LSFlow: política de flujo esférico latente para RL con acciones combinatorias. Supera en 20.6% a métodos tradicionales, mejorando eficiencia y estabilidad.
Tasa robusta O(1/√T) para aprendizaje TD sin proyección
Descubre cómo el algoritmo TD(0) sin proyección logra una tasa de convergencia sublineal robusta, incluso con ruido markoviano. Una mejora clave para el RL.
ULD: Unificando eficiencia y representaciones en RL
ULD: algoritmo de RL que unifica eficiencia y representaciones sin sobrecarga de planificación. Supera a métodos especializados en 80 entornos.
Conjunto semi-algebraico de valor en POMDPs
Aprende cómo el conjunto semi-algebraico de la función de valor en POMDPs revela una geometría no lineal y maximizadores locales.