а чем retrace(lambda) лучше, чем retrace(lambda == 0), применительно к policy evaluation? Улучшения того же q-learning'а более очевидны из-за того, что его сходимость в случае приближений под вопросом - в случае retrace(0) для evaluation таких проблем просто не возникает

вопрос снят - не туда смотрел))

Ребята, всем добрый вечер!
Завтра, как и объявлялось ранее, будут два замечательнейших доклада. Даже если вы не думали приходить, я бы очень рекомендовал рассмотреть вопрос своего участия.
Сначала Артём сделает обзорный доклад про разнообразные способы обучения нейронных сетей со стохастическими нодами (непрерывными и дискретными).
Затем @ivan_kush расскажет про нашумевшую статью  DeepMind про distributional reinforcement learning.

Если кто еще не успел заполнить заявку на пропуск, пожалуйста сделайте это до конца сегодняшнего дня.

Развитие прекрасной на мой взгляд идеи с Hindsight Experience Replay
https://arxiv.org/abs/1709.10089v1

судя по всему, они заметно увеличили sample efficiency

И еще один подход к инкорпорированию демонстраций от Schulman/Levine
https://arxiv.org/abs/1709.10087v1

Не тот чат?

это точно сюда?

хм

Maria а NDA это позволяет?))

секретные данные?

Сбербанк топчик)))

Leak

Сохранил на всякий

@mousehead теперь отнеси в отделение, где карту получал

Дорогие огранизаторы! Зарегистировался только сегодня. По требованиям нужно было за день до проведения семинара. Возможно ли попасть на семинар сегодня?

Прошу прощения за опечатки

Напиши мне пожалуйста в личку, придумаем, как тебе помочь попасть на семинар.