NEXUS：结合神经技能与符号策略的层级强化学习框架发布

2026年10月28日，Raban Emunds 团队在 arXiv 发布论文，正式提出 NEXUS 层级强化学习框架。该框架旨在解决透明性与复杂性的矛盾，通过将透明推理转移至高层技能而非原子动作，结合神经技能与符号 meta-policies，大幅降低符号复杂性且不影响环境性能。 在技术实现上，NEXUS 利用以对象为中心的观察，通过与 LLM 交互来设计奖励函数和 meta-policies，使智能体学到解耦的技能。该方法不仅使目标更具可解释性，还证明其比传统深度强化学习更不易产生奖励黑客现象，为强化学习的可解释性提供了新路径。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。