论文提出GAR：高斯读出替换流策略末层

论文作者提出高斯动作读出（GAR），把流策略的最后一层替换为高斯读出层，网络其余部分保持冻结，仅用0.02%的可用状态训练该读出层。作者称，GAR只需一次动作网络前向即可采样，并给出闭式似然，任务成功率接近教师策略，推理速度最高提升至两倍。 作者的分析称，其所研究的流策略的连续动作分布可被高斯较好近似。上述成功率与加速结论来自作者自述，属预印本，尚未经同行评议或独立验证。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。