热点事件持续更新
学者提出离线元强化学习框架CoTA-DT
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
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 根据报道生成 · 16 小时前更新
最新进展11月4日 13:00
研究者提出基于预训练LLM的离线元强化学习框架CoTA-DT，多项基准测试表现超以往方法。报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- 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。
本事件热度走势
当前热度 6·可比范围峰值 10（11月4日 14:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。