技术栈
重要性采样
I Am a robert girl
14 天前
开发语言
·
python
·
机器学习
·
重要性采样
·
蒙特卡洛方法
·
稀有事件估计
稀有事件估计的迭代去对齐：从源码视角拆解重要性采样新范式
从今天觉醒,技术赋予每一个人数字生命假设你部署了一个自主智能体，让它连续执行上万步操作。每一步的输出都是采样得到的，绝大多数时候没问题——但极少数情况下，某一步会踩中一个灾难性的动作序列。问题是：这个"极少数"到底有多小？是百万分之一，还是十亿分之一？
中年阿甘
3 年前
重要性采样
·
离线mc强化学习
22. 离线MC强化学习算法（1）
离线强化学习的特点是采样策略 π ′ ≠ 待评估策略 π \pi'\ne 待评估策略\pi π′=待评估策略π，这就带来一个问题：
我是有底线的