强化学习 · 2018 · SAC
Soft Actor-Critic: Off-Policy Maximum Entropy Deep Reinforcement Learning with a Stochastic Actor
Tuomas Haarnoja et al.
结合离策略学习与熵正则化优化随机策略。
最大熵Actor-CriticOff-policy
复现空间 · 建议计划
进阶 · 仿真实验 · 编辑建议，尚未实测
最小实验目标
在单个连续控制任务研究熵系数对探索与回报的影响。
数据集 / 环境
固定 MuJoCo 连续控制任务及环境版本。
评估项
- Episode Return
- 策略熵
- 样本效率
边界与常见偏差
明确原始 SAC 与后续自动温度版本的差别；不要混用实现后直接对照原文。
实验验收协议
- 阅读原文，选定要对齐的具体表格、模型变体与数据划分；把缩小规模或替换组件单独列出。
- 核对作者资源的许可与依赖，锁定代码 commit、权重版本、硬件、随机种子和完整运行命令。
- 先完成数据与推理检查，再执行约定的实验；记录多次运行结果、资源消耗和失败案例。
- 提交可核验的代码、配置、日志与报告。原论文数值须注明表格和协议，当前指标必须附实际运行证据。
实验记录
- 原论文对齐目标
- 待认领后选定具体表格与评估条件
- 社区复现指标
- 暂无已验证结果
暂无实验日志与复现报告。收录此论文不表示社区已完成训练或评估；后续记录通过仓库 Issue 和 Pull Request 补充。