Skip to content
Hot storiesContinuously updated

研究团队提出安全强化学习新方法SDLA

1 reports1 reporting sourcesUpdated 14 hours ago

Start here

AI overview

2026年11月，研究人员提出面向安全强化学习的结构化对偶自适应方法（SDLA）。该方法通过连续响应替代原对偶的 bang-bang 切换，并利用三分搜索计算乘子。在 OmniSafe 和 HASARD 基准测试中，结合 SDLA 的 PPO 与 SAC 算法有效改善了约束跟踪表现。实验结果显示，PPO-SDLA 在 HASARD 的 18 个设置中有 6 个平均奖励高于人类基准且满足代价预算，其中包括 4 个平均代价更低的设置。

AI-generated from reports · Updated 10 hours ago

Latest developmentsNov 3 13:00
研究团队提出安全强化学习新方法SDLA，有效改善约束跟踪并超越部分人类基准。

Report timeline

Follow the reports to see different sides of the story.

Nov 3
  1. arXiv 机器学习
    面向安全强化学习的结构化对偶自适应方法 SDLA

    研究人员提出面向安全强化学习的结构化对偶自适应（SDLA），通过连续响应替代原对偶的 bang-bang 切换，并利用三分搜索计算乘子。在 OmniSafe 和 HASARD 基准上，结合 SDLA 的 PPO 与 SAC 改善了约束跟踪。其中 PPO-SDLA 在 HASARD 的 18 个设置中有 6 个平均奖励高于人类基准且满足代价预算，包括 4 个平均代价更低的设置。

Story heat trend

Current heat 7·Comparable peak 9（Nov 3 18:00）·Comparable change, last 24 hours–

02.557.510Nov3Nov3Nov3Nov4

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.