熱門話題
#
Bonk 生態迷因幣展現強韌勢頭
Hosico
Hosico+6.48%
USELESS
USELESS+2%
IKUN
IKUN-8.72%
gib
gib-0.19%
#
有消息稱 Pump.fun 計劃 40 億估值發幣，引發市場猜測
Bonk
Bonk+2.29%
ALON
ALON-7.64%
LAUNCHCOIN
LAUNCHCOIN-9.55%
GOONC
GOONC-7.66%
KLED
KLED-5.19%
#
Solana 新代幣發射平臺 Boop.Fun 風頭正勁
BOOP
BOOP-0.22%
Boopa
Boopa-2.18%
PORK
PORK-3.82%
header
Tianwei Ni
博士最後一年學生@Mila_Quebec RL |上@AmazonScience關於大型語言模型推理 Sapere aude（敢於思考）。
Tianwei Ni
Tianwei Ni1月14日 21:39
離線強化學習受到保守主義的主導——安全，但限制了泛化。 在我們的新論文中，我們提出：如果我們放棄它，依賴貝葉斯原則來進行自適應泛化會怎樣？ 令人驚訝的是，長期的回滾——通常在基於模型的強化學習中避免——使其運作。 🧵
61