jonah791/dsh-experience-policy ↗★ 0
dsh-experience-policy
经验策略：把「状态→动作→回报」的历史经验转成对当前候选动作的数值加权（JitRL 式 test-time policy optimization 的本地实现，零梯度） 本地实现零梯度的强化学习策略优化，适合需要动态调整决策权重的任务。
설치
검증된 bundle이 없거나 호환성 검사에 실패했습니다. 먼저 저장소 설명을 읽어 주세요. 전체 README 읽기 ↗
配置
| 项 | 默认 | 说明 |
|---|---|---|
（见源码 Config） | — | 本插件无必填项；缺省即按纯决策层工作（经验数据由调用方持有并喂入） |