跳到主要内容
检索

# 覆盖奖励

2 篇关联报道

订阅更新
  1. arXiv

    非线性系统辨识不再挑激励信号:强化学习智能体自己学会填满状态空间

    非线性系统辨识的激励信号设计此前依赖预设信号类别和逐次优化,且主要面向线性模型的最小化参数方差。这里把空间填充输入设计改写为强化学习问题,智能体按系统观测逐步给出受幅值约束的输入,无需选择输入类别或调频率带。在非线性弹簧-质量-阻尼与Van der Pol两个基准系统上,同一幅值界内学到的策略取得最佳整体空间填充表现,样本分布比现有空间填充多正弦设计更均匀。

  2. arXiv

    CARing 用组合式医学语义 ID 与覆盖奖励,在 MIMIC-III/IV 下次就诊诊断预测中取得最高召回(R@30 46.04%/46.52%)

    该工作提出 CARing,用残差量化把疾病名称与 ICD 本体路径压缩为组合式医学语义 ID(SID),经六项对齐任务、教师模型生成的语义增强语料与推理激活训练,使单个自回归模型能先推理再生成诊断 SID,并用覆盖奖励与多正例监督优化多标签覆盖;在 MIMIC-III 与 MIMIC-IV 上,其加权指标超过所有基于 EHR 训练的基线,并在每个报告的截断点取得最高召回,推理模式 R@30 分别为 46.04% 与 46.52%。

已读完全部报道