热点事件持续更新

RADT离线强化学习方法实现无奖励目标回避

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

Kevin Li与Marinka Zitnik提出名为RADT的决策变换器方法，用于离线、无奖励、基于目标条件及回避区域的强化学习。该方法利用事后重标注（hindsight relabeling）和提示令牌（prompt tokens）处理回避区域，在17个任务中表现优于基线模型。在零样本设置下，RADT使归一化成本较基线提升35.7%，并成功应用于生物学细胞重编程领域，展示跨领域通用性。

AI 根据报道生成 · 7 小时前更新

最新进展11月5日 13:00

RADT 实现无奖励、可动态指定的离线目标条件回避学习

报道时间线

沿着报道，了解事件的不同侧面。

11月5日

13:00
arXiv · AI
RADT 实现无奖励、可动态指定的离线目标条件回避学习
RADT 提出一种决策变换器方法，实现无奖励、基于离线轨迹的回避学习，并在 17 个任务中优于基线模型。其通过 hindsight relabeling 和 prompt tokens 处理回避区域，在零样本设置下归一化成本较基线提升 35.7%。该方法也被应用于生物学细胞重编程，展示了其跨领域的通用性。

本事件热度走势

可比范围当前: 8
可比范围峰值: 1011月5日 14:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。