- 0
- 0
- 约2.21万字
- 约 8页
- 2026-11-17 发布于北京
- 举报
研讨会
研讨会
‑
ICLR
2017
多任务学习中的主动采样
Sahil
Sharma
Balaraman
Ravindran
计
算机科学与工程系
理工学院马德拉斯分
校
钦奈,600036,
{sahil,ravi}@cse.iitm.ac.in
在目标导向行为的领域,构建一个单一智能体以解决多个任务是
长期存在的之一。近期目标导向序列任务的多任务学习进展主要体现
在基于蒸馏的学习中,即通过模仿专家网络的任务特定策略,单个学生网
络从多个任务特定的专家网络中学习。尽管此类方法为多任务学习问题提
供了有前景的解决方案,但它们需要大量任务特定(专家)网络的监督,
而这些网络需要大量训练。我们提出了一种简单且高效的多任务学习框架,
可以在或主动学习环境中解决多个目标导向任务,而无需专家监督。
1
引言
通过深度强化学习(DRL)算法(Mnih
等,2015;2016;Schaul
等,2015;Lillicrap
等,
2015)学习的模型往往具有任务特定性。AI
代理无法跨任务泛化这一问题催生了多任务学习
(MTL)领域,其目标是寻找一个单一代理(在
DRL
算法
原创力文档

文档评论(0)