清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Lifelong Reinforcement Learning with Similarity-Driven Weighting by Large Models

强化学习 计算机科学 人工智能 加权 遗忘 任务(项目管理) 相似性(几何) 功能(生物学) 机器学习 一致性(知识库) 终身学习 推论 架空(工程) 计算 多任务学习 编码(集合论) 时差学习 灵活性(工程) 任务分析 排名(信息检索) 帧(网络) 钥匙(锁) 芯(光纤) 控制(管理) 学习迁移 贝尔曼方程 模态(人机交互)
作者
Huang Zhiyi,Shan, Xiaohan,Li Jianmin
出处
期刊:Cornell University - arXiv [Cornell University]
标识
DOI:10.48550/arxiv.2503.12923
摘要

Lifelong Reinforcement Learning (LRL) holds significant potential for addressing sequential tasks, but it still faces considerable challenges. A key difficulty lies in effectively preventing catastrophic forgetting and facilitating knowledge transfer while maintaining reliable decision-making performance across subsequent tasks in dynamic environments. To tackle this, we propose a novel framework, SDW (Similarity-Driven Weighting Framework), which leverages large-language-model-generated dynamic functions to precisely control the training process. The core of SDW lies in two functions pre-generated by large models: the task similarity function and the weight computation function. The task similarity function extracts multidimensional features from task descriptions to quantify the similarities and differences between tasks in terms of states, actions, and rewards. The weight computation function dynamically generates critical training parameters based on the similarity information, including the proportion of old task data stored in the Replay Buffer and the strategy consistency weight in the loss function, enabling an adaptive balance between learning new tasks and transferring knowledge from previous tasks. By generating function code offline prior to training, rather than relying on large-model inference during the training process, the SDW framework reduces computational overhead while maintaining efficiency in sequential task scenarios. Experimental results on Atari and MiniHack sequential tasks demonstrate that SDW significantly outperforms existing lifelong reinforcement learning methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
5秒前
瞿寒发布了新的文献求助30
11秒前
雪山飞龙发布了新的文献求助10
29秒前
帆帆帆完成签到 ,获得积分10
30秒前
专注的天菱完成签到,获得积分10
36秒前
wanci的应助被ly采纳,获得10
39秒前
白华苍松发布了新的文献求助20
43秒前
整齐成仁完成签到,获得积分10
45秒前
49秒前
49秒前
51秒前
ly发布了新的文献求助10
53秒前
SunJay完成签到,获得积分10
54秒前
冷傲太英完成签到,获得积分10
54秒前
虾米米0918完成签到 ,获得积分10
56秒前
蓝色山楂蘑菇完成签到 ,获得积分10
1分钟前
SciGPT的应助被嗯哼哈哈采纳,获得10
1分钟前
蓝天发布了新的文献求助200
1分钟前
燕儿完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
稳重听荷完成签到,获得积分10
1分钟前
zxy发布了新的文献求助10
1分钟前
嗯哼哈哈发布了新的文献求助10
1分钟前
逍遥子完成签到,获得积分10
1分钟前
Velunora的应助被嗯哼哈哈采纳,获得10
1分钟前
1分钟前
笑傲完成签到,获得积分10
1分钟前
明理的璎完成签到,获得积分10
1分钟前
纪靖雁完成签到 ,获得积分10
1分钟前
clm完成签到 ,获得积分10
1分钟前
温暖的大船完成签到,获得积分10
1分钟前
1分钟前
沙洲完成签到 ,获得积分10
1分钟前
2分钟前
落落完成签到 ,获得积分10
2分钟前
2分钟前
苗条康完成签到,获得积分10
2分钟前
2分钟前
默默然完成签到 ,获得积分10
2分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
CODESSA Version 2.13 for Windows 2000
Rosenblum, Global Change Biology 800
Berberine regulates the TLR4 signaling pathway to suppress hypoxia-induced proliferation and migration of pulmonary arterial smooth muscle cells 520
Organizational Behavior 510
A Concise Course in Continuum Mechanics 400
A Silent Apostrophe:The Fayum Portraits 350
热门求助领域 (近24小时)
化学 材料科学 医学 生物 计算机科学 工程类 纳米技术 有机化学 化学工程 内科学 物理 生物化学 复合材料 催化作用 细胞生物学 人工智能 心理学 无机化学 基因 遗传学
热门帖子
关注 科研通微信公众号,转发送积分 7846996
求助须知:如何正确求助?哪些是违规求助? 9367222
关于积分的说明 20653506
捐赠科研通 7443788
什么是DOI,文献DOI怎么找? 3341969
关于科研通互助平台的介绍 2485804
邀请新用户注册赠送积分活动 2364781