arXiv · Machine Learning Theory· Yifan Zhang·· 3 小时前AI 评分38
KL 正则化策略优化研究：提出 KLPO 框架
On KL-Regularized Policy Optimization
AI 导读
研究提出 KL 正则化策略优化（KLPO）框架，将 KL 正则项锚定在采样器上，正则化改进步具有闭式 Gibbs 解，并通过最小二乘拟合对数比最优性条件，无需重要性权重。
来源：arXiv · Machine Learning Theory · arxiv.org