Jiarong Wen等提出RPM以上下文建模改进MPTS风险预测

Jiarong Wen 等在 arXiv 提交论文，将模型预测任务采样（MPTS）中的风险预测重构为上下文序列建模问题，提出结合一步前瞻和时间加权滑动窗口的 RPM，以缓解稀疏优化历史与策略演化导致的风险近似偏差，且无需额外 rollout。 作者称该工作形式化了 RPM 的失效模式，并推导滞后风险分解以揭示相应的时间偏差。基于论文摘要，该方法在鲁棒 Meta-RL、DR 以及 LLM 的提示课程 RL 后训练中带来更可靠的难度估计和一致的性能提升，实验细节未经独立核验。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。