Как и участников.

Slack, тоже

Только для очень подозрительных личностей 😂🤣😂🤣

Воу, ни разу не встречал.

Фильтрует раков, вероятно (Но это не точно)

Кто знает / занимался RL в контексте neural architectureal search, что сейчас SOTA?

Вот хороший источник https://paperswithcode.com/search?q=Reinforcement+neural+architecture+search

Вроде amoebanet так и остается?

“Introduction to Neural Architecture Search (Reinforcement Learning approach)” by SmartLab AI https://link.medium.com/qAVjjXlnQX

чат, неловкий вопрос, вот есть вроде прикольная статья https://arxiv.org/abs/1606.03476
с гребанутым количеством матана и пруфами
концептуально же, как я понял, все сводится к тому, что "давайте добавим сетку дискриминатор, которая будет отличать наши траектории от экспертных - задача обдурить дискриминатор", that's it, немного GAN-like
собственно, а в куче матана есть что-то полезное, или это просто чтобы на конфу приняли?
пока прочитал быстро и хочу понять надо ли вообще глубоко там копать

Не читая статью вангую что второй вариант

статью не читал, но юзаю GAIL постоянно

Не имеет смысла углубляться в матан. Он достаточно экзотичный.

далее, есть еще одна статья в Imitation Learning - DeepMimic (` https://xbpeng.github.io/projects/DeepMimic/2018_TOG_DeepMimic.pdf `)
однако, правильно ли я понимаю, что никакого Imitation Learning там вообще нет, а ребята просто обучили PPO в новой крутой среде разным крутым таскам?

идея GAIL и обучения дискриминатора на отличие реальных данных от синтетических - вообще топ, сам такое пользую, когда около-синтетикой работаю.... просто удивляюсь, что можно столько воды налить

оо интересно, у тебя демонстрации синтетические? то есть какая та не RL-based политика генерит дату, а потом на них дообучаешь RL?

ну и контрольная, https://arxiv.org/abs/1810.05017 , от DeepMind
ребятки взяли typical off-policy D4PG и засунули траектории, которые они имитировать в ReplayBuffer (D4PG при это тоже их генерил) +
- здоровенную CNN сетку на 26kk веос
- предиктили next observation аки goal state
заварили это пока не сошлось

а потом на изи повторили новые похожие траектории, которые никогда раньше не видели?
или были еще какие-то инсайты?

я там не в RL делаю :good-enough:

чат, а какие сейчас стандартные среды для тестирования подходов в POMDP?

KungFu? В MiniWOB еще несколько сред где pomdp