חזרה לGlossary
זיקוק מדיניות
דחיסת מדיניות גדולה או מורכבת (מורה) למדיניות קטנה וקצרה יותר (תלמיד) על ידי הדרכת התלמיד להתאים את התפלגות הפעולות של המורה דרך מזעור KL divergence. זיקוק מדיניות משמש ל: דחיסת מדיניות RL לפריסה בזמן אמת, העברה מסימולציה לחומרה אמיתית, ושילוב של מדיניות מתמחות מרובות לאחת.