在线策略模仿学习 | AI生成和翻译

Home 2026.05

在线策略蒸馏是一种强化学习技术，其中学生策略通过使用其自身当前行为生成的数据（在线数据）来模仿教师策略，而非依赖于固定的离线数据集。

Back Donate