热点事件持续更新

Ian Osband 提出 horizon loss 改进策略梯度训练

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年10月5日，Ian Osband 在 arXiv（Statistics Machine Learning）发表《Planning to Learn》，提出 horizon loss。该方法把精确策略梯度按剩余学习量截断，介于交叉熵与零时域极限之间。论文称，分类器期望奖励即期望准确率；精确策略梯度虽无探索、信用分配与动作采样噪声，却因短视而输给交叉熵。实验在 MNIST 与 ImageNet 上进行，ResNet-50、ResNet-101、ViT-S/16 在固定学习率下 top-1 准确率提升，标签噪声越大增益越明显。目前未见后续验证或争议报道。

AI 根据报道生成 · 16 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月5日

12:00
arXiv · Statistics Machine Learning
Planning to Learn：把策略梯度按剩余学习量截断的 horizon loss
论文提出 horizon loss，把精确策略梯度按剩余学习量截断，介于交叉熵与零时域极限之间。分类器期望奖励即期望准确率，精确策略梯度虽无探索、信用分配与动作采样噪声，却因短视而输给交叉熵。MNIST 与 ImageNet 上 ResNet-50、ResNet-101、ViT-S/16 在固定学习率下 top-1 准确率提升，标签噪声越大增益越明显。

本事件热度走势

当前热度 7·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。