波士顿大学团队提出无尺度强化学习算法，能用于金融交易和自动驾驶

文章预览

强化学习（Reinforcement Learning, RL）是一种机器学习的范式，主要关注的是在特定环境中，如何通过智能体与环境的交互来学习最优行为或策略，以最大化某种累积奖励。 它与监督学习和无监督学习不同的是，强化学习不是从带标签的数据集中学习，而是通过智能体在环境中采取行动，并根据行动的结果（奖励或惩罚）来学习。 强化学习已被广泛用于多种领域，包括游戏（如 AlphaGo）、自动驾驶汽车、机器人控制、推荐系统等。 通过强化学习，机器可以自主学习如何在复杂环境中做出决策，以实现特定的目标。 然而，目前强化学习研究的一个痛点是，为了保证学习率能被合适地设定，现有算法需要对奖励或惩罚的规模需要被限制。 举例来说，对于现有的绝大数强化学习问题，一个默认的假设是奖励或惩罚对应的值位于 [-1, 1] 之间。在这种情况下， ………………………………