★ 2
CoTA-DT：面向离线元强化学习的任务感知决策 Transformer
论文提出 CoTA-DT，通过离线轨迹对比学习、自然语言任务描述对齐、任务条件世界模型一步监督与任务条件 Q 函数长期监督四路信号联合学习任务表示，并以预训练 LLM 作为语言编码、世界建模、Q 估计与策略学习的共享骨干。多类离线元强化学习基准上优于既有方法，零样本泛化提升明显。
arXiv cs.LG14 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 CoTA-DT，通过离线轨迹对比学习、自然语言任务描述对齐、任务条件世界模型一步监督与任务条件 Q 函数长期监督四路信号联合学习任务表示，并以预训练 LLM 作为语言编码、世界建模、Q 估计与策略学习的共享骨干。多类离线元强化学习基准上优于既有方法，零样本泛化提升明显。