在代理的价值函数中可视化世界模型
·
0 次浏览
·来源: ArXiv AI
arXiv:2610.14186v1 类型: 新文摘: 模型无需的强化学习算法是否实际上在学习环境的模型? 在本文中,我们采用反事实干预,将状态中所有内容保持不变,仅对目标变化进行调整,以探究是否可以通过对价值函数进行反向推导来发现模型。
arXiv:2610.14186v1 类型: 新文摘: 模型无需的强化学习算法是否实际上在学习环境的模型? 在本文中,我们采用反事实干预,将状态中所有内容保持不变,仅对目标变化进行调整,以探究是否可以通过对价值函数进行反向推导来发现模型。
arXiv:2610.14186v1 Announce Type: new Abstract: Could model-free reinforcement learning algorithms actually be learning a model of the environment? In this work, we apply counterfactual interventions which hold everything about a state fixed, besides a targeted change, to explore if the value functi...