Hören Sie auf zu regressieren: Training von Wertefunktionen durch Klassifizierung für skalierbares Deep Reinforcement Learning.

Zusammenfassung

Wertefunktionen sind eine zentrale Komponente des tiefen Verstärkungslernens (RL). Diese Funktionen, die durch neuronale Netzwerke parametrisiert sind, werden mit einem mittleren quadratischen Fehlerregressionsziel trainiert, um gebootete Zielwerte anzupassen. Die Skalierung von wertebasierten RL-Methoden, die Regression für große Netzwerke verwenden, wie hochkapazitive Transformer, hat sich jedoch als herausfordernd erwiesen. Diese Schwierigkeit steht im starken Kontrast zum überwachten Lernen: Durch die Nutzung eines Kreuzentropie-Klassifikationsverlusts konnten überwachte Methoden zu massiven Netzwerken zuverlässig skaliert werden. Angesichts dieser Diskrepanz untersuchen wir in diesem Papier, ob die Skalierbarkeit des tiefen RL auch einfach durch die Verwendung von Klassifikation anstelle von Regression für das Training von Wertefunktionen verbessert werden kann. Wir zeigen, dass Wertefunktionen, die mit kategorischer Kreuzentropie trainiert werden, die Leistung und Skalierbarkeit in verschiedenen Bereichen signifikant verbessern. Dazu gehören: Einzelaufgaben-RL bei Atari 2600-Spielen mit SoftMoEs, Mehrfachaufgaben-RL bei Atari mit groß angelegten ResNets, robotergestützte Manipulation mit Q-Transformern, Schachspielen ohne Suche und eine Sprachagenten-Wordle-Aufgabe mit hochkapazitiven Transformern, die Spitzenleistungen in diesen Bereichen erzielen. Durch sorgfältige Analyse zeigen wir, dass die Vorteile der kategorischen Kreuzentropie hauptsächlich von ihrer Fähigkeit zur Minderung von Problemen herrühren, die dem wertebasierten RL innewohnen, wie z. B. Rauschen in den Zielen und Nicht-Stationarität. Insgesamt argumentieren wir, dass eine einfache Umstellung auf das Training von Wertefunktionen mit kategorischer Kreuzentropie erhebliche Verbesserungen in der Skalierbarkeit des tiefen RL bei geringen bis keinen Kosten bringen kann.

English

Value functions are a central component of deep reinforcement learning (RL). These functions, parameterized by neural networks, are trained using a mean squared error regression objective to match bootstrapped target values. However, scaling value-based RL methods that use regression to large networks, such as high-capacity Transformers, has proven challenging. This difficulty is in stark contrast to supervised learning: by leveraging a cross-entropy classification loss, supervised methods have scaled reliably to massive networks. Observing this discrepancy, in this paper, we investigate whether the scalability of deep RL can also be improved simply by using classification in place of regression for training value functions. We demonstrate that value functions trained with categorical cross-entropy significantly improves performance and scalability in a variety of domains. These include: single-task RL on Atari 2600 games with SoftMoEs, multi-task RL on Atari with large-scale ResNets, robotic manipulation with Q-transformers, playing Chess without search, and a language-agent Wordle task with high-capacity Transformers, achieving state-of-the-art results on these domains. Through careful analysis, we show that the benefits of categorical cross-entropy primarily stem from its ability to mitigate issues inherent to value-based RL, such as noisy targets and non-stationarity. Overall, we argue that a simple shift to training value functions with categorical cross-entropy can yield substantial improvements in the scalability of deep RL at little-to-no cost.

Hören Sie auf zu regressieren: Training von Wertefunktionen durch Klassifizierung für skalierbares Deep Reinforcement Learning.

Stop Regressing: Training Value Functions via Classification for Scalable Deep RL

Zusammenfassung

Support