Modelo de optimización de política basado en OOD regularizado generativo
Resumen del corpus
Se presenta el algoritmo GORMPO, un método de RL offline que integra modelado de densidad generativa para regularizar la optimización de políticas y evitar acciones fuera de distribución (OOD). El estudio compara la detección de OOD y el rendimiento de GORMPO en datasets médicos y de RL offline. Los resultados empíricos indican que una mejor detección de OOD mejora las políticas en entornos estables, mientras que las penalizaciones conservadoras son preferibles ante la incertidumbre dinámica.
Tags
Personas mencionadas
Noticia original