Skip to content

Phuc/phase3 - #10

Closed
nh-atuan wants to merge 2 commits into
mainfrom
Phuc/Phase3
Closed

Phuc/phase3#10
nh-atuan wants to merge 2 commits into
mainfrom
Phuc/Phase3

Conversation

@nh-atuan

Copy link
Copy Markdown
Owner

No description provided.

Copilot AI review requested due to automatic review settings May 23, 2026 16:22
@nh-atuan nh-atuan closed this May 23, 2026
Copilot stopped work on behalf of nh-atuan due to an error May 23, 2026 16:23

Copilot AI left a comment

Copy link
Copy Markdown

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

Pull request overview

PR này hoàn thiện nội dung Phase 3 cho phần “Value-Based và Offline RL” trong report, bằng cách thay TODO prototype bằng mô tả chi tiết cho 2 bài báo (offline RL, Q-learning variants) và liên hệ với FML Ch.14.

Changes:

  • Bổ sung nội dung đầy đủ cho Bài 5 (MCQ) và Bài 6 (IVR/SQL/EQL), kèm giải thích bài toán, đóng góp, liên hệ Ch.14 và hạn chế.
  • Thêm các công thức minh họa (Bellman/Q-learning update, TD loss, objective khái quát).
  • Thêm block BibTeX ở cuối file (dạng comment) và điền BibTeX key dự kiến.
Comments suppressed due to low confidence (1)

report/content/research_value_based_offline.tex:72

  • Tương tự Bài 5: phần này chưa có citation thực sự cho paper (chỉ có \verb|\cite{...}| trong bullet). Nếu đây là bản hoàn thiện, nên thêm \cite{xu2023offline} và thêm BibTeX entry tương ứng vào report/ref/ref.bib (hiện ref.bib chưa có key này).
    \item \textbf{Tên bài:} \emph{Offline RL with No OOD Actions: In-Sample Learning via Implicit Value Regularization}.
    \item \textbf{Tác giả, venue, năm:} Haoran Xu, Li Jiang, Jianxiong Li, Zhuoran Yang, Zhaoran Wang, Victor Wai Kin Chan, Xianyuan Zhan; ICLR 2023.
    \item \textbf{BibTeX key:} \verb|xu2023offline|; dùng dạng \verb|\cite{xu2023offline}| sau khi thêm vào \verb|ref.bib|.
    \item \textbf{Vì sao phù hợp với Ch.14:} Bài báo này nghiên cứu trực tiếp cách học value function trong offline RL. Nó liên hệ với Q-learning và TD learning, nhưng thay vì dùng max backup trên các hành động chưa thấy, bài báo tập trung vào in-sample learning và implicit value regularization để tránh query OOD actions.

💡 Add Copilot custom instructions for smarter, more guided reviews. Learn how to get started.

Comment on lines +16 to +19
\item \textbf{Tên bài:} \emph{Mildly Conservative Q-Learning for Offline Reinforcement Learning}.
\item \textbf{Tác giả, venue, năm:} Jiafei Lyu, Xiaoteng Ma, Xiu Li, Zongqing Lu; NeurIPS 2022.
\item \textbf{BibTeX key:} \verb|lyu2022mildly|; dùng dạng \verb|\cite{lyu2022mildly}| sau khi thêm vào \verb|ref.bib|.
\item \textbf{Vì sao phù hợp với Ch.14:} Bài báo này là một mở rộng trực tiếp của Q-learning trong Ch.14 sang thiết lập offline RL. Thay vì học $Q(s,a)$ từ tương tác online, MCQ học từ một dataset cố định và thay đổi cách huấn luyện Q-function để tránh overestimation trên các hành động ngoài phân phối dữ liệu.
Comment on lines +113 to +117
% ============================================================
% BibTeX entries go to report/ref/ref.bib
% ============================================================
% @inproceedings{lyu2022mildly,
% title = {Mildly Conservative Q-Learning for Offline Reinforcement Learning},
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Labels

None yet

Projects

None yet

Development

Successfully merging this pull request may close these issues.

3 participants