The Uniform ER Paradox: Empirical Boundaries of Memory Prioritization Under Aleatoric Uncertainty
यह शोधपत्र डीप रिइन्फोर्समेंट लर्निंग में एलियटोरिक अनिश्चितता (aleatoric uncertainty) के कारण होने वाले "TD-पॉइजनिंग" (TD-Poisoning) का निदान और शमन करने के लिए फीचर-वेटेड प्रायोरिटाइज्ड एक्सपीरियंस रिप्ले (FW-PER) प्रस्तुत करता है, जो अंततः "यूनिफॉर्म ER पैराडॉक्स" (Uniform ER Paradox) को उजागर करता है जहाँ, अत्यधिक शोर संदूषण (noise corruption) के तहत, जटिल एल्गोरिद्मिक फिल्ट्रेशन की तुलना में सरल यूनिफॉर्म रैंडम सैंपलिंग बेहतर प्रदर्शन करती है।