অফলাইন মাল্টি-টাস্ক রিইনফোর্সমেন্ট লার্নিং
মাল্টি-টাস্ক অফলাইন ইভালুয়েশন মেট্রিক্স
নির্দিষ্ট পরিমাপ যা মিথস্ক্রিয়া ছাড়াই মাল্টি-টাস্ক নীতিগুলির কার্যকারিতা মূল্যায়ন করে, যেমন মাল্টি-টাস্ক FQE বা ওজনযুক্ত ইম্পর্টেন্স স্যাম্পলিং।
← ফিরে যান