RODS: Síntesis online de datos para agentes multi-turno
Descubre RODS, un método que sintetiza datos en línea para entrenar agentes multi-turno con hasta 20x menos muestras, usando la varianza de recompensa como
#varianza de recompensa
Descubre RODS, un método que sintetiza datos en línea para entrenar agentes multi-turno con hasta 20x menos muestras, usando la varianza de recompensa como