arXiv · cs.AI· Peng Cheng, Yunxian Hou, Zhi Zhou, Qian Zhang, Chang Huang, Xianyuan Zhan·· 5 小时前
高阶动作监督提升策略类性能与鲁棒性
Higher-Order Action Supervision Makes A Strong Policy Class
arXiv:2610.11175v2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：Peng Cheng, Yunxian Hou, Zhi Zhou, Qian Zhang, Chang Huang, Xianyuan Zhan
研究任务与主要进展
论文提出高阶动作监督方法，在保留零阶动作监督的同时加入一阶动作监督，以提升连续控制策略的性能与鲁棒性。作者称该损失方案可适配确定性、随机和流策略，并作为轻量模块集成到现有离线强化学习框架中；在OGBench和D4RL评估中，方法改善了多项性能、鲁棒性及低数据分布外泛化表现，结果范围仅据论文摘要。
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