计算机科学 > 机器学习
[提交于 2025年7月2日
]
标题: TD-MPC-Opt:基于模型的多任务强化学习智能体的蒸馏
标题: TD-MPC-Opt: Distilling Model-Based Multi-Task Reinforcement Learning Agents
摘要: 我们提出了一种基于模型的强化学习中的知识迁移新方法,解决了在资源受限环境中部署大型世界模型的关键挑战。 我们的方法在MT30基准上高效地将高容量多任务智能体(317M参数)蒸馏为一个紧凑模型(1M参数),显著提高了在各种任务上的性能。 我们蒸馏后的模型实现了最先进的归一化得分28.45,超过了原始1M参数模型的得分18.93。 这一改进证明了我们的蒸馏技术能够捕捉和整合复杂的多任务知识。 我们进一步通过FP16后训练量化优化了蒸馏模型,将其大小减少了$\sim$50%。 我们的方法解决了实际部署限制,并为大型世界模型中的知识表示提供了见解,为机器人和其他资源受限应用中的更高效、更易访问的多任务强化学习系统铺平了道路。 代码可在https://github.com/dmytro-kuzmenko/td-mpc-opt获取。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.