温馨提示：您尚未登录，请点 登陆 后下载，如果您还没有账户请点 注册 ，登陆完成后，请刷新本页查看技术详细信息。

本公开涉及一种动作价值的确定方法、装置、学习框架、介质及设备，所述方法包括：获取深度强化学习模型与虚拟环境交互所产生的交互序列，其中，交互序列包括多个采样数据，每一采样数据包括环境的环境状态、以及与环境状态对应的决策动作；针对每一采样数据，...
该专利属于北京字节跳动网络技术有限公司所有，仅供学习研究参考，未经过北京字节跳动网络技术有限公司授权不得商用。

详细技术文档下载地址

温馨提示：您尚未登录，请点 登陆 后下载，如果您还没有账户请点 注册 ，登陆完成后，请刷新本页查看技术详细信息。