★ 2
可认证安全筛选：离线强化学习的无分布保证
论文研究在仅能比较短片段、偶尔判断回合是否超预算的条件下，如何为安全离线强化学习提供保证。提出「先筛选后克隆」流程：用片段比较训练的状态价值函数为整条轨迹打分，再用 Learn-then-Test 校准在无分布 (α, δ) 界下认证筛选阈值。在 15 项 DSRL 任务中 11 项满足成本预算，…
arXiv cs.LG49 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文研究在仅能比较短片段、偶尔判断回合是否超预算的条件下，如何为安全离线强化学习提供保证。提出「先筛选后克隆」流程：用片段比较训练的状态价值函数为整条轨迹打分，再用 Learn-then-Test 校准在无分布 (α, δ) 界下认证筛选阈值。在 15 项 DSRL 任务中 11 项满足成本预算，…