推理模型强化微调用于多区域空调控制的评估

研究人员 Takumi Shioda、Kohei Terashima 和 Tatsuo Nagai 评估了推理模型在多区域变风量（VAV）空调控制中的表现，并测试通过 rollout 验证进行强化微调能否提升小模型的控制能力。研究在基于物理模型的四区域模拟环境中，对五种控制器进行了为期五个夏季日的评估。 结果显示，470 个候选动作的相关性虽达到 0.9995，但 critic（评价模型）在 30 个状态中仅有 7 个选出了最佳动作。一次 200 步的强化微调实验也未能持续提高采样动作的回报，或改善闭环控制表现，说明该方法在当前实验中尚未证明能有效提升实际控制能力。

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。