Phuc/phase3 - #10
Closed
nh-atuan wants to merge 2 commits into
Closed
Conversation
There was a problem hiding this comment.
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}, |
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
Add this suggestion to a batch that can be applied as a single commit.This suggestion is invalid because no changes were made to the code.Suggestions cannot be applied while the pull request is closed.Suggestions cannot be applied while viewing a subset of changes.Only one suggestion per line can be applied in a batch.Add this suggestion to a batch that can be applied as a single commit.Applying suggestions on deleted lines is not supported.You must change the existing code in this line in order to create a valid suggestion.Outdated suggestions cannot be applied.This suggestion has been applied or marked resolved.Suggestions cannot be applied from pending reviews.Suggestions cannot be applied on multi-line comments.Suggestions cannot be applied while the pull request is queued to merge.Suggestion cannot be applied right now. Please check back later.
No description provided.