知识卡片
行为克隆的复合误差
行为克隆把专家状态作为输入、专家动作作为监督标签。部署时小偏差可能让策略进入专家数据未覆盖的状态,预测误差进一步累积;增加相关状态的示范或交互数据有助于缓解这一分布偏移。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第8章 强化学习
原书出处 · 1 处
- 强化学习 · 查看原书依据
这被称为行为克隆的复合误差问题
参考来源
- 位置:《现代人工智能技术》第8章《强化学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter10.xhtml)
- 结论依据:本节对方法和局限的说明。
- 原始内容:这被称为行为克隆的复合误差问题