ReBRAC-v2 在完整 OGBench 评测中取得领先成绩

Denis Tarasov 和 Robert K. Katzschmann 提出 ReBRAC-v2 离线强化学习算法，并将其扩展评测至完整 OGBench 基准套件。在十类常见 OGBench 任务中，该算法平均得分为 74.8，高于次优方法的 52.3，并在其中八类任务排名第一。 ReBRAC-v2 通过精确似然归一化流策略、行为正则化和分类式残差 Critic 改进传统行为正则化 Actor-Critic 算法。研究还将评测扩展至完整套件的 235 个状态型单任务问题，并称这是该评测设置下首次完成全套评估；现有对比基线均未报告覆盖整个套件的结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。