牛哥精选 · 所有

📋 全部 🤖 AI·大模型 ⚡ 效率工具 📝 深度技术 🚀 产品观察 💰 商业科技 🔓 开源项目 🎨 设计创意 📖 阅读推荐 🏷 资源合集 🌱 成长效率

📝 深度技术 arXiv 机器学习 2026-07-03

Learning the Supports for Categorical Critic in Reinforcement Learning

强化学习前沿：RLC 2026论文提出分类评论器支撑集学习方法，直击连续控制任务中价值估计不稳定的痛点。

arXiv:2607.01880v1 Announce Type: new Abstract: Value functions are an essential component in actor-critic based deep reinforcement learning (RL). Con…

强化学习分类评论器支撑集学习 rlc 2026 价值估计

📝 深度技术 arXiv AI 2026-05-29

Hista and Numca: Estimate State Value Effectively for LLM Reinforcement Learning

提出Hista和Numca两种状态值估计新方法，显著提升LLM强化学习效果，已被ICML 2026收录。

arXiv:2605.29782v1 Announce Type: cross Abstract: Reinforcement learning (RL) refines large language models (LLMs) by directly optimizing model behavi…

llm 强化学习状态价值估计 hista numca

📅 日期

2026-05-20 2026-05-19

🐂 牛哥精选

Learning the Supports for Categorical Critic in Reinforcement Learning

Hista and Numca: Estimate State Value Effectively for LLM Reinforcement Learning

📅 日期