CORMA提出多约束离线安全强化学习框架

1. 12:00
   arXiv · Machine Learning

   CORMA：面向可泛化多约束离线安全强化学习的约束路由决策 Mamba

   CORMA提出约束路由决策 Mamba 框架，面向可泛化的多约束离线安全强化学习。该框架将策略推理拆为约束感知的 RTG 估计和自适应动作生成，并通过路由引导的 product-of-experts 融合约束专家分布，为 Mamba 动作解码器提供安全引导。

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。