#符号方法

arXiv 提出符号模仿学习框架，离线示范加在线调优

论文提出符号模仿学习框架，通过离线数据集将专家策略蒸馏为带线性模型运动基元的决策列表，再用增强随机搜索（ARS）在线调优常数与运动基元。在 20 个基准强化学习任务中性能接近专家策略，其中 11 个任务超过专家，同时产出简洁可解释、便于领域专家理解的策略。