文档摘要

7.3 学徒观察：模仿学习与逆强化学习 摘要：没有奖励函数时，向老师学。行为克隆把示范当监督数据学"这个局面该做什么"，败于分布漂移；逆强化学习反过来从示范行为推老师的奖励函数——让专家看起来最优的那个奖励；对抗式模仿把两者拧成生成对抗训练。本节用代码复现克隆的漂移病与奖励反推的最小案例。 会员。《7.3 学徒观察：模仿学习与逆强化学习》收录于灏天文库文集《多智能体系统理论与实践：协作、竞争与博弈》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/533-%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E7%B3%BB%E7%BB%9F%E7%90%86%E8%AE%BA%E4%B8%8E%E5%AE%9E%E8%B7%B5%E5%8D%8F%E4%BD%9C%E7%AB%9E%E4%BA%89%E4%B8%8E%E5%8D%9A%E5%BC%88

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流