AVG
https://arxiv.org/abs/2411.15370
おぉー、またUniversity of Albertaの新作だ
方策勾配法を2つに分類
LG(likelihood gradient) : ∇θEpθφ(X) =EX∼pθφ(X)∇θlogpθ(X)
RG(reparameterization gradient) : ∇θEpθφ(X) =Eξ∼g∇θφ(fθ(ξ)).
#RL