arXiv · cs.AI· Jonas Schweisthal·· 11 天前AI 评分26
PolicyLift：从观测数据中进行生成式策略改进
Generative Policy Improvement from Observational Data
来源与原文
arXiv · cs.AI
作者：Jonas Schweisthal
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.23436v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究团队提出 PolicyLift，一个从观测数据出发、针对文本消息或图像等复杂结构化动作进行生成式策略改进的三阶段框架。该框架先学习离散动作编码，再学习基于上下文的编码级策略，最后以编码为条件生成动作，并从理论上证明编码级策略的提升可保证原始动作空间策略的提升。在合成数据与真实文本生成任务实验中，PolicyLift 均一致优于行为策略。
来源：arXiv · cs.AI · arxiv.org