因果强化学习丨周日直播·因果科学与大语言模型读书会
导语
背景
背景
大纲
大纲
-
强化学习和因果相关背景介绍
-
基于因果结构的强化学习方法
-
基于因果表征的强化学习方法
-
基于因果效用估计的强化学习方法
-
因果科学技术与强化学习结合的未来研究方向
主讲人简介
主讲人简介
主持人介绍
主持人介绍
直播信息
直播信息
直播时间:
参与方式:
集智俱乐部 B站和视频号免费直播,扫码可预约:
参考文献
参考文献
-
Xiong-Hui Chen, Yang Yu, Zhengmao Zhu, Zhihua Yu, Zhenjun Chen, Chenghe Wang, Yinan Wu, Rong-Jun Qin, Hongqiu Wu, Ruijin Ding, Fangsheng Huang: Adversarial Counterfactual Environment Model Learning. NeurIPS 2023 -
Zheng-Mao Zhu, Xiong-Hui Chen, Hong-Long Tian, Kun Zhang, Yang Yu: Offline Reinforcement Learning with Causal Structured World Models. FCS. -
Yu-Ren Liu, Biwei Huang, Zheng-Mao Zhu, Hong-Long Tian, Mingming Gong, Yang Yu, Kun Zhang: Learning World Models with Identifiable Factorization. NeurIPS 2023
因果科学社区
【第一季:因果科学与Causal AI】基于《Elements of Causal Inference》,探讨因果科学在机器学习方面的应用,如强化学习和迁移学习等,并分享工业应用。
【第二季:因果科学与基础实战】聚焦实操和基础,深入学习《Causal inference in statistics: A primer》和《Elements of causal inference: foundations and learning algorithms》。
【第三季:因果科学与Causal +X】回顾社会学、经济学、医学,计算机等领域的因果模型和范式,尝试用现代模型提供新思路。
【第四季:因果表征学习】探讨因果表征学习的理论、技术和最新应用,涉及因果生成模型、可解释性、公平性及工业落地。
详情请见:速来!因果与大模型的双向赋能丨因果科学第五季强势回归