论文提出CauCRL：用反事实转移改进离线对比目标条件强化学习

Tingrui Huang、Ai Bo、Junzhe Zhang 在 arXiv 发布论文（2610.14953），提出 CauCRL 方法，处理存在混杂的离线对比目标条件强化学习。方法从正负离线示范中学习悲观的反事实转移模型，并在反事实 rollout 上训练 critic。 针对的问题是：当离线示范来自掌握学习者不可见信息的示范者时，标准假设失效，critic 会吸收虚假的动作—结果关联。论文称，在含混杂的目标到达任务中，该方法相较标准 CRL 显著提高成功率；实验设置与结果范围目前仅能依据论文摘要判断。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。