Michał Bortkiewicz

ファインチューニング中にRLのスキルを維持する方法を探ってる。

研究によると、一般的な正則化手法がオフポリシーRLエージェントのパフォーマンスをタスク全体で向上させることがわかった。

研究者たちは、学習システムが継続的に適応できる新しい方法を提案してるよ。