Low-Rank Adaptation for Critic Learning in Off-Policy Reinforcement Learning
针对基于策略的强化学习中批评学习的低秩适应
机构 * University of Connecticut（康涅狄格大学） ； University of California San Diego（加州大学圣地亚哥分校） ； University of Texas at Arlington（德克萨斯理工大学） ； Qualcomm（高通）
AI总结 本文提出利用低秩适应（LoRA）作为结构正则化方法，通过冻结基础矩阵并优化低秩适配器，约束批评学习更新到低维子空间，实验表明该方法有效降低批评损失并提升整体策略性能。
