跳到主要内容
检索

# JEPA-PS策略搜索优化器

1 篇关联报道

订阅更新
  1. arXiv

    JEPA-PS把优化器记忆变成可测量对象:CartPole上整条轨迹有用,崎岖地形几乎只靠最优点

    黑箱优化器通常只被问是否赢过基线,很少被问它究竟用了搜索历史的哪一部分。JEPA-PS用联合嵌入预测架构在随机 rollout 上做与奖励无关的预训练,只学习预测轨迹下一点的隐表示,测试时读一段评估历史、一次前向给出下一个候选。在15个控制环境与12个优化器的比较中,它不敌调好的经典搜索,但消融显示历史依赖随问题变化:CartPole上完整历史比只用最优点高约22%,MountainCar上两者几乎无差别。

已读完全部报道