数学联邦政治世界观
超小超大

Learn General world models

1.Paper: Learning General World Models in a Handful of Reward-Free Deployments

Motivation:building generally capable agents by world models

• Generalize to novel tasks: WM training should not include rewards.

• deploy without retraining too much.

Methods outline

Instead of designing some intrinsic rewards for world model, this work proposes a better exploration policy without reward: It needs information gain and diversity. The focus of our work is on how to train ⇡EXP offline such that it gathers heterogeneous and informative data which facilitate zero-shot transfer to unknown tasks.

如何训练?For zero-shot evaluation, we follow [97] and only train the reward head at test time when provided with labels for our pre-collected data, which is then used to train a behavior policy offine.

How to design such exploration policy?

目标:

πᴇxᴘ=arg max l(dπ ᴍψ;Mψ)=H(dπ ᴍψ) – H(dπ ᴍψ|Mψ)

其意义是在未知MDP(reward function)时,着重探索uncertain的部分,explore;而在已知reward function的时候,Policy倾向于deep explore,即把最成功的路径给走一遍。

进一步地,A cascading objective.首先证明最优点可以到达,基于次和greedy的保证,可以转化为cascading的objective:

π⁽ⁱ⁾=arg max l (∏ ℙΦ ~π₍ⱼ₎[Mψ];Mψ|~π⁽ʲ⁾=π⁽ʲ⁾ ∀j ≤ i – 1)

~π⁽ⁱ⁾ ∈Π ⱼ₌₁

=H(∏ ℙΦ ~π₍ⱼ₎[Mψ]|~π⁽ʲ⁾=π⁽ʲ⁾ ∀j ≤ i – 1)

ⱼ₌₁

– H (∏ ℙΦ π₍ⱼ₎[Mψ]|Mψ,~π⁽ʲ⁾=π⁽ʲ⁾ ∀j ≤ i – 1)

ⱼ₌₁

最后,a tractable obejctive. 在高斯假设下,最终的形式可以被简化的很简单:

π⁽ⁱ⁾=arg max [λPopDivΦ(π|{π⁽ʲ⁾ᴇxᴘ}ⁱ⁻¹ⱼ₌₁+(1 – λ)lnfoGain(π)]

数学联邦政治世界观提示您:看后求收藏(笔尖小说网http://www.bjxsw.cc),接着再看更方便。

相关小说

我靠养鱼,日常变美 连载中
我靠养鱼,日常变美
寒时温
快穿流,不喜勿入(日更2000~4000)一句话简介:我靠养鱼,日常变美!颜末小姐的鱼塘壮大史。第一处鱼塘:网恋选我,我超甜第二处鱼塘:恋综......
56.4万字2个月前
雁归有时 连载中
雁归有时
生命高度
本书别名《没有明天》【虐文】【已完结】结合了某某些真实事件改编、以文字的方式呈现彭萧是在家暴家庭中长大,七岁那年,父亲残忍杀害母亲,22岁,......
9.3万字1个月前
青山不知语(红线) 连载中
青山不知语(红线)
鱼头煲鸡汤
原以为自己是没有父亲的,结果等自己母亲死了才知道母亲谈了一个异世界的人,被接回去的时候才知道,自己还有一个姐姐,但这个姐姐很不喜欢她。可以说......
3.5万字2个月前
神明予我岁岁平安 连载中
神明予我岁岁平安
长遥
“等你回到天上,可以让我做地上的文曲星吗?”“我只愿你岁岁平安。”
0.2万字1个月前
恋与伤 连载中
恋与伤
D王后
玄幻+虐恋+权谋+命相系+一本坏人泛滥的小说。讲述了四个大陆之间的感情纠葛。长篇小说!在欺骗,利用,谎言,杀戮,绝情中渲染虐的爱恋。每一次相......
78.0万字1个月前
彼岸花开繁尘落 连载中
彼岸花开繁尘落
一盏蝶
“你真想好了吗?不打算再去见见他?”“还是不了,他如今是天界战神,只为苍生不为我……”“在你眼里我依旧是那个只为天下苍生而活的战神,去不知我......
7.4万字1个月前