研究团队提出RBGA安全强化学习算法

针对现有离线到在线安全强化学习未显式考量已消耗安全预算导致探索受限的问题，研究团队于2026年10月27日在arXiv（cs.lg）发表新算法RBGA。该算法通过跟踪剩余回合安全预算，自适应地在离线引导与在线策略间进行逐步行动仲裁。研究团队同时提供了该算法的安全性理论分析。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。