CANDO：噪声空间残差强化学习改进冻结策略

Zeyu Gao 等作者发布论文，提出噪声空间残差强化学习方法 CNDO：它在冻结的生成式策略上，围绕高斯潜样本学习随状态与噪声变化的方向，并以软保守约束替代固定的潜在可行域。在此基础上再加入动作空间残差，形成 CANDO。 论文报告的实验结果显示，CANDO 取得 76.1 NAUC 和 91.4% 的最终成功率，分别比最佳的单空间结果高 6.6 NAUC 和 4.1 个百分点。

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。