Prospective Hindsight: Học tập tăng cường tự đánh giá thông qua khoảng cách dự đoán-thực tế

Đoạn trích bài viết

Học tập tăng cường cho các agent tầm xa dựa trên các tín hiệu huấn luyện hoàn toàn trở lại: tín dụng chỉ được gán sau khi quan sát các hậu quả môi trường, để lại niềm tin của agent tại thời gian hành động vô hình cho gradient.