DeepMind 后训练负责人 Ian Osband 将赴牛津演讲策略梯度局限

Google DeepMind 后训练科学团队负责人 Ian Osband 将于 10 月 19 日下午 2 点在牛津大学数学研究所发表题为《The Price of Learning（学习的代价）》的演讲。他主张策略梯度是一种很糟糕的学习方式，并将从学习代价的角度阐述这一强化学习方法的局限性。