№ CN122986184A发明专利
未知一种基于强化学习的公告精准推送优化方法
本发明涉及人工智能技术领域,公开了一种基于强化学习的公告精准推送优化方法,具体包括:采集用户日志与公告数据,经衰减加权与编码拼接为状态向量;以状态向量为条件,由离线数据训练的扩散生成器经加噪去噪生成K个候选动作,每个含公告、延迟、渠道;将候选动作输入由等变性损失和TD误差训练的Q集成体,用与Q方差正相关的保守惩罚校正Q值并选最大者执行;采集反馈得奖励,与前后状态及动作组成四元组存入池;批量采样后计算TD误差、等变性损失与正则项,加权更新两模块,循环迭代。本发明采用扩散生成与等变性CQL,实现多模态动作生成与自适应保守评估,兼顾探索效率与长期留存。
❖北京盛榕科技有限公司鲁志浩Oct 27, 2026§ 1/10 权利要求G06F 16/9535 (2019.01), G06N 3/092 (2023.01), G06N 3/0475 (2023.01) +2