arXiv · cs.AI· John L. Zhou, Yuxuan Dong, Jonathan C. Kao·· 2 天前
目标条件策略学习中的目标时域信息诅咒：长时域行为克隆性能下降
An Informational Curse of Horizon in Goal-Conditioned Policy Learning
arXiv:2610.09247v1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：John L. Zhou, Yuxuan Dong, Jonathan C. Kao
首次提交：2026-10-07 08:20
研究任务与主要进展
研究识别出目标条件策略学习中的“目标时域信息诅咒”：目标重标注时域增加会显著降低策略泛化与性能，即使测试目标仅为邻近子目标。控制实验显示，长时域行为克隆策略更容易从目标信息转向状态信息，强化学习目标和短时域策略输入 Jacobian 蒸馏可带来性能改善。
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