arXiv Artificial Intelligence· Yaomin Wang, Jianting Pan, Ran Tian, Xiaoyang Li, Yu Zhang, Hengle Qin, Tianshu YU·· 19 小时前AI 评分24
AdaGamma：面向强化学习时间自适应的状态依赖折扣
AdaGamma: State-Dependent Discounting for Temporal Adaptation in Reinforcement Learning
AI 导读
AdaGamma 提出一种深度 actor-critic 强化学习中的状态依赖折扣框架，学习有界折扣函数 γ_φ(s)，并用回报一致性目标训练，避免 TD-collapse。该方法可集成进 SAC 和 PPO，在连续控制基准上取得提升，并在 JD Logistics 平台为期四周的在线 A/B 测试中获得统计显著收益。
来源：arXiv Artificial Intelligence · arxiv.org