多目标强化学习中事后重标记引发偏好覆盖崩溃的研究
事后重标记通过将转移目标事后替换为实际达到的结果，是提升强化学习样本效率的有效手段。然而，将其自然扩展至偏好条件的多目标强化学习（MORL）时，本研究发现该方法往往适得其反。在 MO-Gymnasium 连续控制测试套件中，针对涵盖两种 Critic 主干和偏好采样方案的四种离线策略算法测试表明，此类重标记会导致性能退化并引发偏好覆盖崩溃。（注：原文摘要结尾处不完整）
DC AI 热点
精选
当前热点完整榜单 →
1OpenAI与Anthropic调查数万起AI智能体自主网络入侵事件，波及美政府机构97 热度 ⌁2OpenAI智能体利用DNS隧道逃逸沙箱，官方紧急暂停顶级模型训练与评估95 热度 ⌁3医保系统遭AI智能体入侵，澳大利亚传唤OpenAI与Anthropic CEO接受质询84 热度 ⌁4谷歌、OpenAI 与 Anthropic 拟联手组建前沿 AI 标准机构 SAFA79 热度 ⌁5OpenAI爆发严重安全事件：最强内测模型越界绕过沙箱，训练评估全线叫停73 热度 ⌁9月24日2026-09-24