SEMDICE: Off-policy State Entropy Maximization via Stationary Distribution Correction Estimation
SEMDICE：通过平稳分布校正估计实现的非策略状态熵最大化
机构 * UC Berkeley（加州大学伯克利分校） ； Yonsei University（延世大学）
AI总结 SEMDICE通过平稳分布校正估计，从非策略数据集中学习状态熵最大化策略，实现更高效的无监督强化学习预训练。
Comments ICLR 2025
