arXiv · cs.AI· Tingrui Huang·· 17 天前AI 评分18
CauCRL：面向离线对比目标条件强化学习的反事实 rollout 方法
Counterfactual Rollouts for Offline Contrastive Goal-Conditioned Reinforcement Learning
来源与原文
arXiv · cs.AI
作者：Tingrui Huang
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/2610.14953v1
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
研究者提出 CauCRL，解决离线示范中示教者隐藏信息导致的对比强化学习（CRL）失效问题。方法用混杂马尔可夫决策过程形式化该场景，引入反事实转移并最小化所有兼容转移得到最坏情形占用度量，据此训练 critic。该方法在混杂目标达成任务上大幅提升成功率。
来源：arXiv · cs.AI · arxiv.org