CSPO: Optimización de Políticas Sensible a Restricciones para RL Seguro
CSPO optimiza políticas de RL seguro acelerando la recuperación de seguridad y manteniendo la recompensa. Descubre cómo mejora tus modelos de IA.
#multiplicador de lagrange
CSPO optimiza políticas de RL seguro acelerando la recuperación de seguridad y manteniendo la recompensa. Descubre cómo mejora tus modelos de IA.