任务感知元强化学习超参优化

低成本寻优

该模型通过分离任务推断与控制加速学习，并利用在线任务特性提升泛化能力，在合理时间内以有限算力找到最优超参配置。

吴佳 · Liu, Xiyuan · 陈森朋

Knowledge-Based Systems 2023

技术优势

学习更快

分离任务推断与控制加速了代理的学过程，进而加速了对未知任务的适应。

探索更聪明

在线推断任务特性，将任务求解经验纳入表征，从而鼓励代理以更智能的方式探索。

训练更简单

采用摊销元学习方法，比基于梯度的元训练方法更简单且运行更快。

应用场景

• 机器学习自动调参：用任务感知元学习代理替代传统搜索，快速找到最优配置。
• 智能优化算法：通过分离推断与控制，提升优化算法在新任务上的泛化能力。