StBR方法解决离线强化学习分布偏移获NeurIPS 2026接收

2026年10月30日，arXiv平台发布论文《Variational Consequence-Driven Offline Reinforcement Learning》。该研究由Wen Jiang、Ke Jiang及Xiaoyang Tan提出结构行为正则化方法（StBR），旨在解决离线强化学习中的分布偏移问题。 StBR利用反映转移动力学的潜在空间结构，通过闭式潜在散度替代不可行的真实动力学模型约束。该方法使潜在散度成为真实结果分布散度的理论有界替代，在动力学敏感区域自适应收紧行为约束，有效防止策略偏离数据集。 该方法在多个离线强化学习基准上实现了优越性能，目前已被NeurIPS 2026接收。

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。