研究团队提出RWPO提升组合优化效果

针对选择性组合优化问题，研究团队 Haohui Zhang 等提出奖励加权偏好优化（RWPO）。该方法在偏好学习中引入奖励差距权重，专门解决此类特定问题。 RWPO 结合尺度特定微调与倾斜采样，使策略能适应更大及分布偏移的实例，且无需局部搜索后处理。 在 Orienteering Problem 等基准测试中，RWPO 优于无权重偏好优化及策略梯度基线。在 100 至 2000 节点规模下，其平均奖励超过 Compass 元启发式算法。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。