作者位次 #2/2ICML 2026Poster· Reinforcement Learning / Everything Else
Non-Uniform Noise-to-Signal Ratio in the REINFORCE Policy-Gradient Estimator
Haoyu Han · Heng Yang
强化学习与后训练OpenReview
首次获取该候选人的完整档案及 StartLux 评估共 20 积分；每位用户单独解锁，之后查看免费。主动刷新 20 积分。
实时查找电子邮箱，费用不超过20积分；未找到邮箱不扣费。
Haoyu Han · Heng Yang
Elad Sharony · Heng Yang · Tong Che · Marco Pavone · Shie Mannor · Péter Karkus
Alan Papalia · Nikolas R. Sanderson · Haoyu Han · Heng Yang · Hanumant Singh · Michael Everett
Runhan Huang · Haldun Balim · Heng Yang · Yilun Du
Han Qi · Changhe Chen · Heng Yang