Michael Noukhovitch

収録論文 1本 ・ フィジカルAI/ロボット学習

※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。

論文

• 整列とフィルタリング：非同期オン方策強化学習の性能向上
  強化学習2026/3/1

  分散学習と高頻度更新によるポリシーラグ（データ生成と学習の不整合）を軽減するため、全変動に基づくアドバンテージ整列制約付きポリシー最適化手法を提案し、古典的RLタスクとLLM数学推論タスクで有効性を検証した。