ホットトピック継続更新中
研究团队提出安全强化学习新方法SDLA
1 件の報道1 件の報道元14 時間前 更新
まずこの件を把握する
AI 概要
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 が報道をもとに生成 · 10 時間前 更新
最新の進展11月3日 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。報道タイムライン
報道をたどり、出来事のさまざまな側面を知る。
11月3日
- 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。
このストーリーのホット度の推移
現在のホット度 7·比較可能範囲のピーク 9（11月3日 18:00）·直近24時間の比較可能な変化–
トレンドは継続して完全に観測した同じ主体のみを比較するため、現在のホット度の集計より範囲が狭い場合があります。ポインターの移動やタップで1時間ごとのホット度を確認でき、キーボードでは左右の矢印キーで切り替えられます。