★ 2
arXiv 论文：持续世界模型零样本泛化瓶颈
该论文研究持续强化学习中的世界模型复用问题，提出将上下文分解为行为与物理两部分的上下文马尔可夫决策过程框架。在 FourRooms 任务上用 Dyna-Q 与 TD-MPC 实验发现，物理上下文变化会显著削弱零样本复用能力，且效果高度依赖观测表示。作者据此指出表示泛化是可靠世界模型复用的关键瓶颈。
arXiv cs.LG4 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。
该论文研究持续强化学习中的世界模型复用问题，提出将上下文分解为行为与物理两部分的上下文马尔可夫决策过程框架。在 FourRooms 任务上用 Dyna-Q 与 TD-MPC 实验发现，物理上下文变化会显著削弱零样本复用能力，且效果高度依赖观测表示。作者据此指出表示泛化是可靠世界模型复用的关键瓶颈。