★ 3
论文：多时间尺度学习改进目标条件强化学习
论文针对离线目标条件强化学习的长程任务难题，提出广义隐式时间抽象（GITA），让单一价值函数以 k 为条件并聚合多尺度优势加权监督。在 OGBench 上平均成功率较 HIQL 提升 25 个百分点，较最强固定 k 方法 OTA 提升 7 个百分点。
arXiv cs.AI31 天前
#离线学习
共 4 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
AgentBrew：从原始轨迹离线学习工具使用智能体
提出AgentBrew离线训练框架，从单批原始交互轨迹中学习有效工具使用策略，无需任务验证器或迭代策略展开。通过回顾性任务推断和基于PMI的信用分配，在GitHub、Notion和PostgreSQL等真实MCP应用上显著提升Qwen3-32B性能，超越拒绝采样等方法。
arXiv cs.AI54 天前
★ 2
arXiv 论文：TD-Aug 几何视界模型实现策略泛化
论文提出 TD-Aug，从几何视界模型采样并直接想象可通过组合已有知识达成的新结果，用于训练目标条件行为克隆策略。在基于拼接的 OGBench 任务上，该方法显著提升零样本目标泛化能力。
arXiv cs.LG18 天前
★ 2
选择性奖励激励改进离线目标条件强化学习
针对离线目标条件强化学习中稀疏奖励与长时程依赖的难题，论文从奖励传播角度分析目标导向价值分离易被局部估计误差淹没。提出 RSIQL 方法，在轨迹中判定为「有进展」的中间状态施加额外奖励信号，提供延迟更低的训练监督。在 D4RL 与 OGBench 基准上优于目标条件 IQL，并与分层方法性能相当，…
arXiv cs.LG45 天前
这个主题的相关资产
相关公司GitHub1