相對價值學習

速報

強化學習新突破：相對價值學習直接學習價值差異，效能匹敵PPO

強化學習傳統上依賴絕對狀態價值估計，但新研究提出相對價值學習（RV）框架，直接透過反對稱函數學習價值差異。該方法引入成對貝爾曼運算子，並重建廣義優勢估計（R-GAE），整合至PPO後在Atari基準測試中表現與標準PPO相當，證明相對價值估計是有效的替代方案。