arxiv · arXiv · 2026-10-02 01:59 · 评分 76
提出FERPO，一种在线最大熵强化学习算法。针对评论家价值预测准确但并不保证动作梯度可靠的问题，通过前向熵正则化改进策略更新，提升连续控制任务中的策略优化稳定性与性能。
原文：arXiv ｜ 返回 AI 资讯列表