Michel Ma

トランスフォーマーがメモリを強化し、RLでクレジット割り当てに苦しむ方法に関する研究。

強化学習のパフォーマンスを向上させるための表現の役割を探ってみよう。

アクションズワールドモデルが複雑な環境での意思決定をどう改善するか発見してみて！