跳到正文
热点事件持续更新

论文提出高阶动作监督损失提升连续控制策略

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Peng Cheng 等在 arXiv 论文（arXiv:2610.11175v2）中提出高阶动作监督方法：在保留零阶动作监督（即动作标签）的同时加入一阶动作监督，理由是仅监督零阶动作、不考虑高阶动作动态和时间一致性会导致策略不稳定。作者称该损失方案可适配确定性、随机和流策略，并作为轻量即插即用模块集成到现有离线强化学习框架中。 在 OGBench 和 D4RL 基准上的评估中，作者称方法在多项连续控制环境中改善了性能、鲁棒性及低数据分布外泛化表现。以上结果范围仅基于论文摘要，尚未经独立验证。

AI 根据报道生成 · 3 小时前更新

最新进展10月12日 12:00
高阶动作监督提升策略类性能与鲁棒性

报道时间线

沿着报道，了解事件的不同侧面。

10月12日
  1. arXiv · cs.AI
    高阶动作监督提升策略类性能与鲁棒性

    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。

本事件热度走势

可比范围当前
9
可比范围峰值
910月12日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。