может, дублера на всякий случай назначать всегда?)

внезапно, @rl_agent можешь кинуть исходники презы про SAC свои?

Вопрос про грядущий четверг: 2b || ~2b?

выражение всегда True

В качестве запасного доклада могу предложить повторить свое выступление на sbdj в прошлую субботу (тема "rl в web-навигации"). Если интересно, конечно :)

Многие философские школы имеют свое мнение на этот спорный вопрос :)

Окай)

Welcome to Spinning Up in Deep RL! — Spinning Up documentation
https://spinningup.openai.com/en/latest/

Давно эта дока появилась, я слоупок, да?

ну с недельку типо…

+-

Всем привет!
Завтра на семинаре выступит Максим Лапань (@Shmuma ) с темой: Deep RL в навигации по сайтам
Как обычно:
ШАД, Стенфорд, Четверг, 19:00

Аннотация:
В обучении с подкреплением пока не очень много примеров практически значимых применений, что вовсе не означает что RL бесполезен или годится только для  обучения нейросетей играть в старые игрушки.

В своем докладе Максим подробно разберет использование современного обучения с подкреплением в одном из ключевых проектов компании -- системе извлечения данных с сайтов отелей.

Приходите, будет интересно!

Если у вас нет пропуска в ШАД, не забудьте зарегистрироваться по ссылке до завтра, до 12ти утра:
https://docs.google.com/forms/d/e/1FAIpQLSd18PGkZuOqkWThJhmNxnmiSVFicnH4YwLVTCOkEkVQV6ZIDg/viewform

Ребят, я не особо слежу за современным RL, я немного из другой области. У меня такой вопрос, а есть ли RL методы, которые под капотом применяют техники из области автоматических рассуждений? Ну там, SMT солверы например? И будет ли умный RL агент применять что-то более-менее рациональное если ему встретится комбинаторная подзадача? Например, если мы переформулируем задачу решения судоку в термины RL, то будет ли агент применять что-то более-менее умное?

Что такое судоку я не знаю, но ты смотрел на AlphaGo Zero?

Большинство современных методов использует нейросети и градиентный спуск, а эти вещи плохо дружат с дискретными процессами (вроде SMT солверов)

AlphaGo Zero крутой, но на сколько я понял он заточен только на дискретный мир, и не может , например играть в Марио. И если пространство действий непрерывное, то всё ещё хуже. А вот так, чтобы скрестить что-то настолько мощное как AlphaGo Zero с чем-то настолько общим как A3C? В общем умное как AlphaGo Zero с непрерывным миром и непрерывным пространством действий?

Я подумал вот о чём: можно же использовать ML чтобы извлекать правила мира, а затем уже последовательность действий искать с помощью SMT. И хочу понять, эта идея нова, или нет?

Велком в мир model-based rl