Garantías probabilísticas de rendimiento para refuerzo multitarea
Descubre garantías de rendimiento para políticas multitarea en tareas no vistas. Método que combina rollouts y generalización con alta confianza.
#rollouts
Co-Entrenamiento de Políticas y Modelado del Mundo para Agentes de Lenguaje
Descubre PaW: co-entrenamiento de políticas y modelado del mundo para agentes de lenguaje. Mejora el aprendizaje por refuerzo sin modificar la inferencia.
RL2ML: Objetivos sustitutos de rollouts finitos del Aprendizaje por Refuerzo a la Máxima Verosimilitud
Explora RL2ML: objetivos sustitutos que convierten rollouts finitos en máxima verosimilitud. Técnica clave para optimizar modelos de aprendizaje automático.