Не все подсказки одинаковы: построение опорных подсказок на основе исследования для многомодельного постобучения с подкреплением

Статья представляет фреймворк построения опорных подсказок, основанный на исследовании, для многомодельного постобучения с подкреплением, использующий Индекс потенциала исследования (EPS) для динамической настройки подсказок для обучения. Метод улучшает производительность на внутренних и внешних по отношению к области тестах за счет улучшения данных для обучения с помощью учителя, а не прямого подражания.