概念Windowed Interaction RL / 窗口化交互强化学习
WIRL
一种针对长周期任务的强化学习方法，将两次里程碑结果之间的多轮决策视为一个执行窗口，并为窗口分配共享的基于结果的奖励，从而在稀疏奖励与逐步密集奖励之间取得折中
时间轴 (近 90 天)
10月16日
WIRL（Windowed Interaction RL，窗口化交互强化学习）把两次实验结果之间的多轮决策视为一个‘执行窗口’，并给这个窗口分配一个共享的、基于结果的奖励。
待验证50%
一种针对长周期任务的强化学习方法，将两次里程碑结果之间的多轮决策视为一个执行窗口，并为窗口分配共享的基于结果的奖励，从而在稀疏奖励与逐步密集奖励之间取得折中
WIRL（Windowed Interaction RL，窗口化交互强化学习）把两次实验结果之间的多轮决策视为一个‘执行窗口’，并给这个窗口分配一个共享的、基于结果的奖励。