学者提出离线元强化学习框架CoTA-DT
Start here
2026年11月4日，研究者在arXiv发表论文，提出用于离线元强化学习的框架CoTA-DT。该框架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。CoTA-DT以预训练大语言模型（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，具备支持zero-shot与few-shot任务泛化的能力。实验结果显示，CoTA-DT在多个基准测试中的表现均超越了以往方法。
AI-generated from reports · Updated 17 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 机器学习用于离线元强化学习的任务感知表征 Decision Transformer
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。
Story heat trend
Current heat 6·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–
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.