To Explore or to Commit: Conservative Optimism with Pessimistic Baselines for Offline-to-online Learning

本讲座是软件学院“智能·软件·未来”论坛的第30期，主题为《To Explore or to Commit: Conservative Optimism with Pessimistic Baselines for Offline-to-online Learning》。报告将围绕离线到在线强化学习中的核心挑战展开，探讨在利用历史数据进行在线决策时，如何平衡探索与承诺之间的关系。通过引入保守乐观策略与悲观基线方法，分析其在提升学习稳定性与性能方面的潜力。