Populære emner
#
Bonk Eco continues to show strength amid $USELESS rally
Hosico
Hosico−11,62 %
USELESS
USELESS−6,3 %
IKUN
IKUN−12,86 %
gib
gib−2,34 %
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
Bonk
Bonk−1,62 %
ALON
ALON+3,41 %
LAUNCHCOIN
LAUNCHCOIN−19,54 %
GOONC
GOONC+1 %
KLED
KLED+8,52 %
#
Boop.Fun leading the way with a new launchpad on Solana.
BOOP
BOOP+0,09 %
Boopa
Boopa−2,89 %
PORK
PORK−4,43 %
header
Tianwei Ni
Doktorgradsstudent på siste året @Mila_Quebec på RL | Forrige @AmazonScience om LLM-resonnement Sapere aude (Våg å tenke).
Tianwei Ni
Tianwei Ni14. jan., 21:39
Offline RL domineres av konservatisme – trygg, men begrensende generalisering. I vår nye artikkel spør vi: hva om vi dropper det og stoler på Bayesiansk prinsipp for adaptiv generalisering? Overraskende nok gjør langsiktige utrullinger – som vanligvis unngås i modellbasert RL – at det fungerer. 🧵
10