arXiv · ML· Shashank Reddy Chirra, Jayden Teoh, Praveen Paruchuri, Pradeep Varakantham·· 3 小时前AI 评分33
DAIL：利用LLM引导进化框架发现对抗模仿学习中的奖励分配函数
On Discovering Algorithms for Adversarial Imitation Learning
AI 导读
该研究提出首个元学习对抗模仿学习算法 DAIL，利用 LLM 引导的进化框架发现数据驱动的奖励分配函数。 DAIL 能在未见环境及策略优化算法中泛化，性能优于当前基于人类设计的 SOTA 基线。 论文分析了 DAIL 带来更稳定训练的原因，代码已公开，文章被 ICLR 2026 接收。
来源：arXiv · ML · arxiv.org