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