OpenAI plantea las estrategias evolutivas (ES) como alternativa escalable al aprendizaje por refuerzo
Título original:Evolution strategies as a scalable alternative to reinforcement learning
Resumen de IA
OpenAI descubre que las estrategias evolutivas (ES), una técnica de optimización con décadas de historia, pueden igualar el rendimiento de los métodos estándar de aprendizaje por refuerzo en referencias modernas de RL como Atari y MuJoCo, al tiempo que superan muchas de las limitaciones del RL.
Puntos clave
- OpenAI descubre que las estrategias evolutivas (ES)
- una técnica de optimización con décadas de historia,pueden igualar el rendimiento de los métodos…
- al tiempo que superan muchas de las limitaciones del RL.
Resumen rápido
- Publicado
- Actualizado
- Fuente
- OpenAI:官网动态(RSS · 排除企业/客户案例)
- Categoría
- Artículos e investigación
- Puntuación IA
- 63
原文指出进化策略在 Atari/MuJoCo 基准上可媲美标准 RL,并克服 RL 的诸多不便,读者可借此了解另一种可扩展的优化路线。
Entidades relacionadas
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: OpenAI plantea las estrategias evolutivas (ES) como alternativa escalable al aprendizaje por refuerzo. 24. marzo 2017. https://new.nat6.net/es/news/bh7qfvh72r7xct59504ps6g1k/