基于对偶最优性的强化学习基准测试框架发布

2026年10月23日，arXiv发布一项基于对偶最优性的真值优先强化学习基准测试框架。该框架通过预置认证最优值函数和策略进行评测，避免传统方法对奖励设计的相对排名依赖。 框架统一了敏感性基准测试和参考预言机比较模式，适用于串行平面机械臂及非完整车辆等任务，支持非仿射接口和部分观测评估，消除了外部积分选择干扰。相关代码与诊断工具已公开。

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。