1. epsilon-greedy strategy
11111
2. UCB strategy
222
3. Softmax strategy
333
4. Gradient strategy
444
References
1 科学网---【RL系列】Multi-Armed Bandit笔记------Softmax选择策略 - 管金昱的博文
相关推荐
chen_zn9510 小时前
RLinf复现RECAP（一）：从轨迹回报到优势标签happyprince11 小时前
08_verl-Workers模块详解happyprince13 小时前
02_verl-代码目录结构详解happyprince13 小时前
10_verl-Rollout模块详解chen_zn9514 小时前
RLinf复现RECAP（二）：优势标签驱动pi0.5的CFG训练happyprince15 小时前
05_verl-配置系统详解happyprince16 小时前
06_verl-单控制器与分布式调度盼小辉丶16 小时前
PyTorch强化学习实战（13）——噪声网络（NoisyNet-DQN）chen_zn9516 小时前
pi*0.6的RECAP：VLA如何从成功、失败和人工纠正中继续学习科研小刘带你玩学术2 天前
【科研快讯】KAIST突破性研究：让机器人“读懂“人类意图——VOTP算法开启Physical AI新纪元