arXiv论文提出零约束违反的安全多目标强化学习算法
热点事件持续更新
arXiv论文提出零约束违反的安全多目标强化学习算法
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Chenxi Li 在 arXiv 提交论文，提出一种安全多目标强化学习（MORL）算法，在累计和逐步两类约束下，通过乐观奖励估计与悲观代价界结合，保证 T 个 episode 中执行的每个策略零约束违反。算法基于平均占用测度返回安全 Markov 策略，在光滑 Tchebycheff 标量化下取得 O~(1/√T) 次优差距；无偏好版本在 T 次探索与 K 次规划后达到 O~(1/√T+1/√K) 差距。 论文称，两种算法都要求已知一个严格满足约束的策略及其代价；在放宽这一初始安全策略要求时，最多产生常数累计违反。
AI 根据报道生成 · 1 小时前更新
最新进展10月29日 13:47
安全多目标强化学习：零约束违反与原始平均收敛报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- arXiv · cs.AI安全多目标强化学习：零约束违反与原始平均收敛
arXiv 一项研究提出安全多目标强化学习（MORL）算法，在累计和逐步两类约束下，通过乐观奖励估计与悲观代价界结合，保证 T 个 episode 中执行的每个策略零约束违反。算法基于平均占用测度返回安全 Markov 策略，在光滑 Tchebycheff 标量化下取得 O~(1/√T) 次优差距；无偏好版本在 T 次探索与 K 次规划后达到 O~(1/√T+1/√K) 差距，并在放宽初始安全策略要求时最多产生常数累计违反。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。