MoRE：把行为重定向蒸馏进策略权重

Hao Wang 等作者提出 MoRE（Mode Redirection）方法，用于消除行为克隆中学到的不良行为模式。其做法是先通过一次简短的“uncloning”步骤，把临时模式分类器的重定向信号蒸馏进策略权重，使独立策略在推理阶段无需额外干预即可抑制这些不良模式。 按作者的说法，这一设计的目的是让重定向效果固化在策略本身，从而避免推理时干预带来的额外开销。目前可确认的是方法的提出与其机制描述，尚无可核实的实验效果数据。

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。