Shashank Reddy Chirra等提出元学习对抗模仿算法DAIL

Shashank Reddy Chirra等研究者提出了首个元学习对抗模仿学习算法DAIL。该研究利用LLM引导的进化框架，发现数据驱动的奖励分配函数（RA functions）。框架通过直接基于模仿策略的性能来探索奖励函数空间，实现数据驱动机制。 DAIL具备在未见环境及策略优化算法中泛化的能力，其性能优于当前基于人类设计的SOTA基线。研究还分析了DAIL带来更稳定训练的原因，相关代码已公开，文章已被ICLR 2026接收。

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。