FedGuide：异构联邦强化学习框架论文发布

Zhilin He 与 Gauri Joshi 发布论文，提出 FedGuide——一个面向异构联邦强化学习（FRL）的框架，用扩散先验作为行为模型，为异构本地策略学习提供个性化的数据支撑分布；聚合时不直接平均本地策略，而是通过 OT-MoE 聚合扩散先验。 该论文为 arXiv:2609.18964v2，作者称其已被 2026 年机器人学习会议（CoRL）接收，并将作 Spotlight 报告。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。