港大清华提出VAST框架优化长程决策

香港大学与清华大学团队提出了名为 VAST（Horizon Adaptive Offline Policy Learning via Value Stitching）的离线价值学习框架。该框架的核心机制是能够自适应地选择自举落点与时间跨度，旨在解决长程决策中的优化难题。 在技术实现上，VAST 引入了辅助价值函数 G-function，并结合了优势加权以及扩散或流模型。这种设计揭示了自适应分段有助于协调跨时间的信用分配问题，从而提升了多阶段操作任务的策略稳定性。 根据最新报道，该框架在 OGBench 的 50 个任务中表现领先。目前该成果主要由港大与清华的研究团队提出，展示了其在离线强化学习领域的最新进展。

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。