跳到正文
热点事件持续更新

Viano 等提出在线交互模仿学习算法 OVI

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Luca Viano 等在 arXiv 论文中提出交互式在线模仿学习算法 OVI,并给出理论与实验支撑。论文称,只要学习器能表示专家的价值函数,OVI 在统计和计算上都是高效的;而仅凭“专家价值函数可实现”这一假设,任何离线模仿学习算法的复杂度都必然随专家策略类规模增长。 作者将交互有助学习的原因归结为:与专家交互放宽了对学习器表征的要求——学习器只需实现专家的价值函数,无需实现专家策略本身。实验中 OVI 优于 BC、DAgger 及离线价值类方法,且在学习器网络表达能力明显弱于专家时增益最大。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月16日
  1. arXiv cs.AI
    何时在线交互有助于模仿学习?基于价值的模仿学习中的表征权衡分析

    一项模仿学习理论研究指出,专家交互之所以能提升学习效果,是因为它放宽了对学习器的表征要求——只需能实现专家的价值函数,无需实现专家策略本身。论文提出交互式在线策略算法 OVI,在可表示专家价值函数时统计与计算上均高效;并证明仅凭专家价值可实现性假设,任何离线 IL 算法复杂度必然随专家策略类规模增长。实验中 OVI 优于 BC、DAgger 及离线价值类方法,学习器网络远弱于专家时增益最大。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。