پژوهش
کاوش بهینه‌تر در هوش مصنوعی: نویز پارامتر راهکار جدید OpenAI
OpenAI با معرفی نویز پارامتر، روشی ساده و مؤثر برای بهبود کاوش در الگوریتم‌های یادگیری تقویتی ارائه کرده است. این تکنیک عملکرد را به طور چشمگیری افزایش می‌دهد و به ندرت مضر است.
سیاست و قانون
بهینه‌سازی سیاست پروگزیمال
ما در حال انتشار کلاس جدیدی از الگوریتم‌های یادگیری تقویتی، بهینه‌سازی سیاست پروگزیمال (PPO) هستیم که عملکردی مشابه یا بهتر از رویکردهای پیشرفته دارند، در حال
پژوهش
هوش مصنوعی و اکتشاف UCB: روشی نوین با Q‑Ensembles و بهینه‌سازی
اَشکابه‌ای از روش‌های نوین در یادگیری تقویتی: ترکیب استراتژی UCB با Q‑Ensembles به منظور افزایش کارایی اکتشاف در محیط‌های پیچیده هوش مصنوعی
پژوهش
تساوی گرادیان سیاست و یادگیری Q نرم: یک پیمایش جدید در هوش مصنوعی
در این پژوهش از OpenAI، رابطه‌ی نوآورانه‌ای میان گرادیان سیاست و یادگیری Q نرم کشف شد، که امکاناتی نوین برای بهینه‌سازی الگوریتم‌های تقویتی فراهم می‌کند.