Self-Credit: Оценка кредита для долгосрочного агентного ИП с помощью внутреннего масштабирования групп

В работе предлагается метод Self-Credit для долгосрочного агентного обучения с подкреплением, который создает плотные сигналы обучения из разреженных вознаграждений с помощью самогенерируемой оценки кредита через внутреннее масштабирование групп. Self-Credit использует три компонента: генерацию кратких обзоров с цитированием ключевых действий, уточнение этих оценок с помощью внутреннего масштабирования групп и пересчет преимуществ с использованием масштабированных весов оценки.