arXiv · cs.AI· Samuel Tetteh, Cody Fleming·· 1 天前
安全强化学习的回合成本尾部：何时可控？
Safe on Average, Unsafe in the Tail: When Is the Episodic-Cost Tail Controllable?
arXiv:2610.09508v1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：Samuel Tetteh, Cody Fleming
首次提交：2026-10-07 14:07
研究任务与主要进展
安全强化学习研究使用 CVaR衡量最差10%回合的平均成本，并将成本低于安全预算的策略定义为尾部安全。研究评估了5种标准算法和3个 Safety-Gymnasium 导航任务，并在密集危险导航中考察4类约束，覆盖4个导航任务与4个运动任务，以分析尾部违规能否在保持回报的同时得到控制。
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