多目标强化学习中事后重标记引发偏好覆盖崩溃的研究
事后重标记通过将转移目标事后替换为实际达到的结果，是提升强化学习样本效率的有效手段。然而，将其自然扩展至偏好条件的多目标强化学习（MORL）时，本研究发现该方法往往适得其反。在 MO-Gymnasium 连续控制测试套件中，针对涵盖两种 Critic 主干和偏好采样方案的四种离线策略算法测试表明，此类重标记会导致性能退化并引发偏好覆盖崩溃。（注：原文摘要结尾处不完整）
DC AI 热点
精选
当前热点完整榜单 →
1针对长上下文编程优化，Claude Opus 5.5 正式发布85 热度 ⌁2Cerebras推出CS-4晶圆级AI加速器：推理速度号称达GPU系统的30倍82 热度 ⌁3三大运营商掀起AIDC基建浪潮：上半年投资达283亿元81 热度 ⌁4传OpenAI即日预览网络安全专用模型GPT-6 Cyber80 热度 ⌁5智能体编程加剧CI负载：Anthropic 如何扩展测试影响分析79 热度 ⌁9月24日2026-09-24