跳到正文
arXiv · ML· Minjae Kwon, Amir Moeini, Shangtong Zhang, Lu Feng·· 3 天前AI 评分25

算法蒸馏用于安全上下文强化学习

Algorithm Distillation for Safe In-Context Reinforcement Learning

AI 导读

summary_zh: 提出Safe AD与A-Lag方法,在五个环境测试中,A-Lag的平均每集成本均低于Safe AD。 动态预算提升DarkRoom和HalfCheetah的回报并降低成本,A-Lag通过自适应拉格朗日乘子调整动作权重。

来源:arXiv · ML · arxiv.org