arXiv · cs.AI · Zeyu Gao, Chengkai Hou, Chaoyue Li, Zhuangzhe Wu, Jiaming Liu, Yao Mu, Peng Jia, Li Zhang, Shanghang Zhang · 4 小时前模型评分31
CANDO：面向残差强化学习的保守动作-噪声方向优化
CANDO: Conservative Action-Noise Directional Optimization for Residual Reinforcement Learning
导读
研究者提出噪声空间残差强化学习方法 CNDO，通过软保守约束替代固定潜在可行域来改进冻结的生成式策略，并在此基础上加入动作空间残差形成 CANDO。实验显示 CANDO 取得 76.1 NAUC 和 91.4% 最终成功率，分别比最佳单空间结果高 6.6 NAUC 和 4.1 个百分点。
分类置信度
中 · 待人工复核
- 存在未解决的相邻类别：foundation-models，需要人工复核。
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We propose Conservative Noise Directional Optimization (CNDO), a noise-space residual RL method that improves a frozen generative policy by learning state- and noise-conditioned directions around Gaussian latent samples.”
来源：arXiv · cs.AI · arxiv.org