526互联

AlphaZero

Value targets in off-policy AlphaZero: a new greedy backup

**发表时间：**2021 **文章要点：**这篇文章给AlphaZero设计了一个新的value targets，AlphaZero with greedy backups (A0GB)。 AlphaZero的树里面有探索，而value又是所有结果的平均，所以并不准确。而选动作也是依概率选的，但真 ......
off-policy AlphaZero targets greedy backup
共1篇  :1/1页 首页上一页1下一页尾页