arXiv 机器学习· Yeojin Jang, Minu Baek, Gihun Gil, Minsung Jung, Beomdo Park, Woohyeon Kwon, Hyeonseok Jang, Junseong Park, Neha Sengar, Andres Saurez, Sangkeum Lee·· 15 hours agoAI score35
DEPLOY-RL：面向安全关键连续过程的可部署强化学习主动边界发现与保守认证
DEPLOY-RL: Active Boundary Discovery and Conservative Certification for Deployable Reinforcement Learning in Safety-Critical Continuous Processes
Not yet translated; shown in Chinese.
AI guide
DEPLOY-RL 是面向安全关键连续过程的强化学习训练后认证框架，通过主动发现失效边界为策略部署提供统计安全保证。该框架采用契约耦合采集函数聚焦关键边界采样，实现约 2x 样本效率提升，并通过保形风险控制提供有限样本 false-go 保证。在评估协议的 14 个基准中，该方案是唯一保持超过 85% 覆盖率的方法。
Source:arXiv 机器学习 · arxiv.org