★ 3
Trace：长程智能体的可执行走查学习
论文研究从稀疏奖励轨迹中归纳可执行走查，提出 Trace 框架，通过信用引导与依赖溯源将噪声轨迹编译为可执行走查记忆。在 J-TTL、WebShop 与 ScienceWorld 上，其平均 AUC 与 Final-3 分别较最强基线提升 30.0% 与 40.5%，且推理 token 更少。
arXiv cs.LG41 天前
#稀疏奖励
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
BSIT 采样器提升稀疏奖励下推理时搜索效率
论文指出基于树的采样器因依赖类 DDPM 转移而耦合父子状态，探索不足，难以应对稀疏奖励搜索。作者提出 Bootstrap Stochastic Interpolant Tree（BSIT）采样器，解耦子节点生成与父节点依赖，扩大采样自由度以增强路径空间多样性。在稀有物种发现与目标分子生成等任务上…
arXiv cs.LG13 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