页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「课程学习」找到 14 条内容
按专题浏览 →匹配正文：…/子目标，低层执行原子动作；高层奖励评估子目标进度，低层奖励评估局部控制。关键是子目标可达、option 终止条件和层间非平稳。 课程学习：从较短任务、较少约束或较小环境开始，达到基于成功率、约束满足率和泛化集表现的门槛后提升难度；不能只看训练 loss。 奖励塑形：优先使用 potential-based shaping：F(s,a,s')=γΦ(s')-Φ(s)，在相应条件下保持最优策略不变。一般密集奖励可能改变目标并诱发刷分，必须与终局成功和安全约束一起评测。 记忆与信…
匹配正文：…服务决策（美团配送实时调度）、需要快速适应环境变化的场景 优势：数据新鲜，策略与环境分布一致；劣势：样本效率低，探索成本高 2. 课程学习（Curriculum Learning） 核心思想：由易到难安排训练任务，模仿人类学习过程 实现方式： 手工设计：固定难度阶梯（如配送场景从5单→50单→200单） 自动课程：基于学习进度动态调整（如PAIRED、PLR算法） 美团场景：骑手路径规划，先从简单网格地图训练，逐步引入真实路网、动态订单、天气扰动 3. 模拟器回放（Simul…
匹配正文：…和loss可以作为特征，却要做长度归一化并剔除坏样本。分层最好输出连续分数和置信区间，再按业务需要切桶，而不是假装边界天然存在。 课程学习是否有效是实验问题。Bengio等人的工作提出从易到难可改善优化的假设，但后续研究显示在标准基准上随机顺序常可达到相当甚至更好结果，收益更可能出现在训练预算受限或数据有噪声等条件下。因此不能要求课程一定显著优于随机，也不能把最终不低于基线当作定义。若课程只加快早期收敛、最终相同，也可能有系统价值；若最终更差，需要检查难度估计、采样偏差或难例…
学习内容与项目面试，在同一条路上。