arXiv · ML· Wen Jiang, Ke Jiang, Xiaoyang Tan·· 8 小时前AI 评分25
StBR 通过潜在分布约束解决离线强化学习中的分布偏移问题
Variational Consequence-Driven Offline Reinforcement Learning
AI 导读
论文提出结构行为正则化方法（StBR），通过闭式潜在散度替代不可行的真实动力学模型约束，有效防止离线强化学习中策略偏离数据集。 StBR 利用反映转移动力学的潜在空间结构，使潜在散度成为真实结果分布散度的理论有界替代，在动力学敏感区域自适应收紧行为约束。 该方法在多个离线强化学习基准上实现了优越性能，已被 NeurIPS 2026 接收。
来源：arXiv · ML · arxiv.org