★ 3
世界模型策略仲裁器用于目标条件强化学习
论文提出世界模型策略仲裁器（WMPA），在测试时把一组冻结的目标条件策略作为组合，在学习到的状态空间世界模型中推演各策略未来，用共享价值函数评分并短周期执行最优策略。在 OGBench 18 个数据集上把宏平均成功率从 44% 提升到 58%。
arXiv cs.LG24 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出世界模型策略仲裁器（WMPA），在测试时把一组冻结的目标条件策略作为组合，在学习到的状态空间世界模型中推演各策略未来，用共享价值函数评分并短周期执行最优策略。在 OGBench 18 个数据集上把宏平均成功率从 44% 提升到 58%。
论文研究独立训练的强化学习策略能否通过可审计的离散行为规则来表示与组合。作者将可审计性拆解为六个可分别检验的谓词，并发现规则集重叠并不代表行为一致：策略可能共享符号规则却在新状态上近乎随机行动。研究结论对规则融合优于价值组合的说法提出限制，贡献的是一套有证据边界的审计与组合协议。