arXiv · ML· Aysin Tumay, Jiahe Huang, Elise Jortberg, Rose Yu·· 10 天前AI 评分23
GORMPO:一种生成式 OOD 正则化模型基策略优化算法
Generative OOD-regularized Model-based Policy Optimization
AI 导读
论文提出 GORMPO,一种利用生成式密度建模将策略更新限制在高密度区域的离线强化学习算法,已被 NeurIPS 2026 接收。 该算法旨在通过密度估计避免稀疏状态-动作空间中的分布外(OOD)动作,并提供了关于密度估计误差与性能差距的理论保证。 实证结果显示 GORMPO 在真实医疗数据集上优于最先进临床 RL 模型,且在离线 RL 基准测试中表现优于最先进离线 RL 模型。
来源:arXiv · ML · arxiv.org