今天，读了IN-CONTEXT REINFORCEMENT LEARNING WITH ALGORITHM DISTILLATION。其将强化学习建模成了顺序预测问题，通过历史预测下一个动作，同时历史可以看成context。算法步骤就是通过source RL算法生成数据，然后在给定先前learning history作为context，通过自回归与预测action，来训练causal Trasnformer（这个过程就是文中说地算法蒸馏）。然后，又看了离线强化学习经典论文CQL。
2024-03-20
在牛客打卡4天，今天也很努力鸭！
每日监督打卡
全部评论

相关推荐

11-26 19:28
Momenta_C++开发(实习员工)
腾讯 游戏客户端实习 面经
部门：ieg 天美工作室群 游戏客户端开发timeline：2024.11.02 投递2024.11.02 测评2024.11.06 一面2024.11.11 二面2024.11.14 hr面+云证+录用评估2024.11.19 oc2024.11.19 offer 已接一面：三道手撕：反转链表指定区间、两数之和、最长回文子串为什么投游戏客户端有没有了解过游戏开发为什么不了解（？）你觉得游戏客户端开发需要什么技能你觉得你哪些方面掌握的比较好子类的构造函数可以调虚函数吗内联函数可以是虚函数吗static 和 const 的区别new 出来的对象可以用 free 释放吗，会报错吗面向对象三大特性线...
查看34道真题和解析 我的实习求职记录 牛客创作赏金赛
点赞 评论 收藏
分享
11-28 15:49
北京理工大学 机械结构工程师
校招两方/三方违约模板
被黑心运营压榨了，是谁我不说，上班摸鱼，还要被压榨，万恶的资本家给大家提供几个我去年用到过的违约模板，三方模板只有一个，因为学校只给一次毁约三方的机会违约通用模板1：您好!我叫，是来自于XX大学XX专业的学生，已与贵公司签署了就业三方协议，目前由于个人原因而与贵公司违约，感到非常的惭愧与歉疚，望各位领导谅解!作为一名还未踏出校园的大学生，我便失信于贵公司，是我的巨大损失，也是我终身的遗憾，做出这个决定，我也非常的不舍，同时也望贵单位领导谅解。我深知我的违约行为将会给贵单位的招聘工作带来极大的不便，在此对我没有处理好个人事情而给贵公司带来的不便表示深深的歉意!另外此次违约实属个人行为在此再次向贵...
Java抽象带篮子：都多余了，你搞的这么客气我以为你是想和对面商量能不能免违约金呢
点赞 评论 收藏
分享
11-15 19:28
已编辑
蚌埠坦克学院 硬件开发
点赞 评论 收藏
分享
10-15 23:16
河海大学成人教育学院 C++
同为笔试。。有底气了，不做了
hso_：哈哈哈哈哈哈我没offer一样在同一道题开喷了
投递深圳同为数码等公司10个岗位
点赞 评论 收藏
分享
11-26 08:40
武汉大学 市场
点赞 评论 收藏
分享
评论
点赞
收藏
分享

全站热榜

正在热议
# 拼多多求职进展汇总 #
238563次浏览 2043人参与
# 实习，投递多份简历没人回复怎么办 #
2443199次浏览 34760人参与
# 阿里云管培生offer #
63811次浏览 1764人参与
# 25届秋招总结 #
416847次浏览 4190人参与
# ai智能作图 #
31473次浏览 381人参与
# 地方国企笔面经互助 #
7150次浏览 17人参与
# 北方华创开奖 #
67463次浏览 554人参与
# 虾皮求职进展汇总 #
95728次浏览 780人参与
# 我在牛爱网找对象 #
75018次浏览 556人参与
# 机械求职避坑tips #
23987次浏览 251人参与
# 发工资后，你做的第一件事是什么 #
9772次浏览 44人参与
# 25届机械人为了秋招做了哪些准备？ #
26597次浏览 365人参与
# 我的实习求职记录 #
6137669次浏览 84041人参与
# 投格力的你，拿到offer了吗？ #
47662次浏览 337人参与
# 投递实习岗位前的准备 #
1192333次浏览 18498人参与
# 机械人怎么评价今年的华为 #
158183次浏览 1353人参与
# 实习想申请秋招offer，能不能argue薪资 #
36514次浏览 310人参与
# 实习与准备秋招该如何平衡 #
725079次浏览 8566人参与
# 华为工作体验 #
112054次浏览 868人参与
# 如果再来一次，你还会选择这个工作吗？ #
117438次浏览 1157人参与
# 在职场上，你最讨厌什么样的同事 #
6299次浏览 92人参与
# 国央企笔面经互助 #
88721次浏览 897人参与
牛客网
牛客企业服务