标签：
Conservative Q-Learning for Offline Reinforcement Learning
这篇论文发布于2020年的NIPS，一作为伯克利人工智能实验室的研究人员 Aviral Kumar。论文旨在解决离线（offline）强化学习中由分布漂移（distributional shift）导致的价值函数超估（overestimation）问题。
这篇论文发布于2020年的NIPS，一作为伯克利人工智能实验室的研究人员 Aviral Kumar。论文旨在解决离线（offline）强化学习中由分布漂移（distributional shift）导致的价值函数超估（overestimation）问题。