伯克利提出強化學習新方法，可讓智能體同時學習多個解決方案

強化學習可以幫助智能體自動找到任務的解決策略，但常規的強化學習方法可能對環境變化不夠穩健。近日，伯克利人工智能研究所（BAIR）發表了一篇博客，解讀了他們與 OpenAI 和國際計算機科學研究所（ICSI）在這方面的一項共同研究進展《Reinforcement Learning with Deep Energy-Based Policies》。該論文也是 ICML 2017 所接收的論文之一。另外

>>阅读原文<<