Всем привет!

Завтра (25 октября ) в 16:00 Никита Качаев расскажет про:

Эффективный Online RL с использованием offline данных

Рассмотрим, как использование предварительно неразмеченных offline данных может ускорить exploration и повысить sample efficiency для off-policy алгоритмов в задачах с разреженными вознаграждениями, а также обсудим подходы к объединению онлайн и офлайн обучения без введения дополнительных регуляризаций с использованием on-policy алгоритмов

Статьи:
1. Accelerating Exploration with Unlabeled Prior Data
2. Uni-O4: Unifying Online and Offline Deep Reinforcement Learning with Multi-Step On-Policy Optimization

Ссылка на подключение будет позже