跳到正文
arXiv · ML· Junwei Quan, Evgenii Opryshko, Nicholas Rhinehart, Igor Gilitschenski·· 2026-10-09AI 评分26

WMPA 世界模型策略仲裁器:通过测试时组合冻结策略提升离线目标条件强化学习性能

World-Model Policy Arbiter for Goal-Conditioned Reinforcement Learning

AI 导读

WMPA 是一种测试时框架,通过在世界模型中推演并评估一组冻结策略,提升离线目标条件强化学习在复杂任务中的表现。 在 OGBench 的 18 个数据集上,WMPA 将平均成功率从单一最佳策略的 44% 提升至 58%,在 12 个数据集上取得显著提升。 该框架无需重新训练策略或依赖特权任务知识,通过短期承诺机制避免了频繁切换导致的不稳定。

来源:arXiv · ML · arxiv.org