arXiv · cs.AI· Sitao Cheng, Tianle Li, Xuhan Huang, Xunjian Yin, Difan Zou·· 4 小时前
DERL：利用双重演化强化学习自动设计奖励
Dual-Evolving Reinforcement Learning for Automated Reward Design
arXiv:2512.13399v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Sitao Cheng, Tianle Li, Xuhan Huang, Xunjian Yin, Difan Zou
研究任务与主要进展
Sitao Cheng 等提出双重演化强化学习框架 DERL，通过外层提议器组合任务原语构建奖励，并依据内层策略的验证表现持续更新奖励提议分布。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org