Advantage
offline RL | TD3+BC：在最大化 Q advantage 时添加 BC loss 的极简算法
① 在 actor 最大化 Q advantage 时，纳入一个 behavior cloning loss； ② observation 归一化；③ 让 Q advantage 跟 behavior cloning 的 loss 可比。 ......
off-policy RL | Advantage-Weighted Regression (AWR)：组合先前策略得到新 base policy
Advantage-Weighted Regression: Simple and Scalable Off-Policy Reinforcement Learning 论文题目：Advantage-Weighted Regression: Simple and Scalable Off-Polic ......
2023-8-24 Quantom Computational Advantage Using Pertons 光量子计算优越性 2023人工智能大会青年科学家论坛
Quantom Computational Advantage Using Pertons 光量子计算优越性 | 2023人工智能大会青年科学家论坛 钟瀚森 上海人工智能实验室 论文背景:量子计算有望在许多重要任务上实现超越经典的计算能力。但长期以来受限于实验技术，无法在实际任务上演示超越经典计算机 ......
强化学习从基础到进阶-常见问题和面试必知必答[6]：演员-评论员算法（advantage actor-critic，A2C），异步A2C、与生成对抗网络的联系等详解
强化学习从基础到进阶-常见问题和面试必知必答[6]：演员-评论员算法（advantage actor-critic，A2C），异步A2C、与生成对抗网络的联系等详解 ......