arXiv 机器学习· Duaa Nakshbandi, Zhiyu An, Wan Du·2026-10-14 12:00· 12 小时前AI 评分35

Sparse-TD-JEPA：通过稀疏潜在任务表征提升零样本强化学习

Sparse-TD-JEPA: Improving Zero-Shot Reinforcement Learning With Sparse Latent Task Representations

AI 导读

研究人员提出 Sparse-TD-JEPA，通过在 TD-JEPA 训练中引入单行代码的 l1 稀疏惩罚，解决了任务编码器密集表征导致推断奖励发散的问题，无需改变模型架构或闭式推理流程。

来源：arXiv 机器学习 · arxiv.org