（英語要約）選択的ハーネス・レスキュー訓練手法は、専門化された兄弟ハーネスを用いて失敗した強化学習ロールアウトを置き換え、その利点を元のベースハーネス下でより優れた性能を発揮する単一のポリシーへ転移する。
いいね 54 · コードスター数 53
理由
- 抱脸 2026-11-06 毎日の論文いいね数 54、当日の順位 2、これは単に関心度を表す。
使い方
- コード：https://github.com/DeepExperience/Harness-S
Harness-S: 汎用エージェント訓練のための兄弟ハーネスからの学習
（英語要約）選択的ハーネス・レスキュー訓練手法は、専門化された兄弟ハーネスを用いて失敗した強化学習ロールアウトを置き換え、その利点を元のベースハーネス下でより優れた性能を発揮する単一のポリシーへ転移する。