World-Model Policy Arbiter测试框架提出

Junwei Quan等人提出并发布World-Model Policy Arbiter（WMPA），一种针对离线目标条件强化学习（GCRL）的测试时策略仲裁框架。 该框架以一组冻结的目标条件策略为输入，在学到的状态空间世界模型中推演各策略的未来，用共享的目标条件价值函数评估这些想象未来，并执行得分最高的策略一段短承诺区间，再进行下一轮仲裁。 论文称，WMPA假设可获取一组冻结的目标条件策略，既不需要重新训练策略，也不需要特定于任务的先验知识。

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。