优惠 通过分类方法来训练价值函数，以提高深度强化学习的可扩展性和性能

这篇论文的主题是关于如何通过分类方法来训练价值函数，以提高深度强化学习（Deep Reinforcement Learning, RL）的可扩展性和性能。在深度强化学习中，价值函数是一个核心组件，它通常由神经网络参数化，并通过最小化均方误差（Mean Squared Error, MSE）来匹配引导目标值。然而，将这种... 阅读全文