IXThinker·2025-01-07 11:15清華提出RAD優化器穩定強化學習訓練
強化學習訓練常因不穩定而影響性能。清華大學智能駕駛課題組提出RL專用的神經網絡優化方法RAD優化器，將參數優化建模為多粒子相對論系統的狀態演化，創下性能新紀錄。
針對RL不穩定性
強化學習是解決複雜序列決策問題的有力工具，廣泛應用於電子遊戲、棋類智能、機械人控制、自動駕駛等領域，亦在大語言模型微調、對齊與推理等階段發揮作用，但其訓練過程常出現顯著不穩定，制約實際落地。
IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文，仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入／註冊解鎖全文 →Google 或電郵地址即可，即刻解鎖。