【重磅整理】180篇NIPS-2020顶会《强化学习领域》Accept论文大全

深度强化学习实验室作者：《DeepRL-Lab》 & 《AMiner.cn》联合发布来源：https://neurips.cc/Conferences/2020/编辑：DeepRL（图片来自新智元）NeurIPS终于放榜，提交数再次创新高，与去年相比增加了38%，共计达到9454篇，总接收1900篇，其中谷歌以169篇傲视群雄，清华大学63篇，南京大学周志华教授团队3篇。论文接收率20.09%较去年有所下降，其中论文主题占比和结构图如下：算法（29%）深度学习（19%）强化学习（9%）强化学习完整列表[1]. Relabeling Experience with Inverse RL: Hindsight Inference for Policy Improvement作者: Ben Eysenbach (Carnegie Mellon University) · XINYANG GENG (UC Berkeley) · Sergey Levine (UC Berkeley) · Russ Salakhutdinov (Carnegie Mellon University)[2]. Generalised Bayesian Filtering via Sequential Monte Carlo作者: Ayman Boustati (Univ ………………………………