arXiv 机器学习· Xinbo Zhao, Yuhang Liu, Xin Zhang, Lei Le, Zhaohan Xi, Yingxue Zhang·· 18 hours agoAI score34
用于离线元强化学习的任务感知表征 Decision Transformer
Decision Transformer with Task-Aware Representations for Offline Meta-Reinforcement Learning
Not yet translated; shown in Chinese.
AI guide
研究者提出离线元强化学习框架 CoTA-DT，通过结合轨迹对比学习、自然语言描述对齐、世界模型单步监督与 Q 函数长期监督来学习任务表征。该框架以预训练 LLM 作为语言编码、世界模型、Q 函数和策略学习的统一骨干网络，支持 zero-shot 与 few-shot 任务泛化。实验表明其在多个基准测试中均超越以往方法。
Source:arXiv 机器学习 · arxiv.org