机构名称：
¥ 1.0
近年来，通过利用更多的数据，计算和不同的任务，学习的优化者在监督学习方面取得了巨大的成功，表现优于经典的手工设计优化者。强化学习（RL）与监督学习本质上是不同的，在实践中，即使在简单的RL任务中，这些学习的优化者也无法很好地工作。我们研究了这一现象，并确定了两个问题。首先，代理梯度分布是非独立的且分布相同的，导致效率低下的元训练。此外，由于高度随机的剂 - 环境相互作用，代理梯度具有较高的偏差和方差，这增加了对RL学习优化器的困难。我们提出了管道训练和具有良好诱导性偏见的新型优化器结构，以解决这些问题，从而可以从头开始学习优化器以增强增强器学习。我们表明，尽管仅接受了玩具任务的培训，但我们学到的优化器可以推广到在Brax中看不见的复杂任务。1
学习为增强学习优化
主要关键词
相关文件推荐
