热点事件持续更新
离线强化学习算法LASER提出并在OGBench取得SOTA
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月，研究人员提出新型离线强化学习算法LASER。该算法通过潜空间伴随匹配实现熵正则化的潜空间强化学习，能够在利用高表达力flow策略的同时避免沿时间反向传播。在涵盖不同数据质量的40项OGBench任务评测中，LASER采用统一的固定超参数取得了SOTA表现，超越了经过任务特定调优的各类基线模型。
AI 根据报道生成 · 6 小时前更新
最新进展10月8日 12:00
研究团队提出算法LASER，在40项OGBench任务中以统一固定超参数取得SOTA表现。报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv 机器学习离线强化学习算法 LASER：基于潜空间伴随匹配与熵正则化
研究人员提出离线强化学习算法 LASER，通过潜空间伴随匹配实现熵正则化的潜空间强化学习，在利用高表达力 flow 策略的同时避免了沿时间反向传播。在涵盖不同数据质量的 40 项 OGBench 任务评测中，LASER 采用统一的固定超参数取得 SOTA 表现，超越了经过任务特定调优的各类基线模型。
本事件热度走势
当前热度 9·可比范围峰值 10（10月8日 13:00）·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。