← 世界模型 / 在模型中控制

正式发表 / World Models

EfficientZero

Mastering Atari Games with Limited Data

NeurIPS · 2021CCF A

快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗

关键框架 FRAMEWORK
自监督时序一致性模块NeurIPS 2021 · Fig. 2 · p.5 ↗

在 MuZero 式树搜索中补充时序一致性、价值前缀预测和离策略修正,提升有限交互下的模型学习。

  1. 01编码相邻观测
  2. 02对齐预测与目标状态
  3. 03用模型支持树搜索
EfficientZero自监督时序一致性模块
自监督时序一致性模块

在 MuZero 式树搜索中补充时序一致性、价值前缀预测和离策略修正,提升有限交互下的模型学习。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

在 MuZero 式树搜索中补充时序一致性、价值前缀预测和离策略修正,提升有限交互下的模型学习。

WHY READ IT

为什么放在这条路线

与 Dreamer 的想象 actor–critic 对照,它把学习到的模型用于搜索,并让搜索结果监督策略和价值。

当前阶段在模型中控制 ↗

模型用于局部优化、树搜索,还是策略学习?

READ WITH A QUESTION

读的时候,留意什么

Atari 100k 的交互效率不等于计算便宜;图中仅展示一致性模块,不是完整搜索系统。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器