PPO equilibrado por resultado y rectificación de flujo inducida por política para políticas VLA basadas en flujo
Resumen del corpus
Se presenta un marco de aprendizaje por refuerzo que combina PPO equilibrada por resultado con rectificación de flujo inducida por política para políticas VLA. Este enfoque busca mejorar el rendimiento en tareas simuladas al reponderar ventajas y ajustar la representación utilizada en la optimización estocástica. El marco propuesto mejora las tasas de éxito en los *benchmarks* evaluados en comparación con las líneas de base.
Tags
Personas mencionadas
Noticia original