検証可能な報酬からの自己教師あり強化学習

この研究は、検証可能な報酬に焦点を当てた、強化学習に対する新しい自己教師ありアプローチを探求しています。 マスク処理と並べ替えられた自己教師あり学習の適用は、より堅牢で信頼性の高いRLエージェントにつながる可能性があります。