DaCe-DT离线多任务强化学习框架提出

Xinfei Wang等作者提交论文，提出面向异构任务的数据中心化离线多任务强化学习框架 DaCe-DT。据作者称，该框架旨在对任务复杂度和数据质量的差异不敏感，针对提示词长度利用低效、随机采样语义不相关及碎片化轨迹误导监督三个问题，集成长度门控提示词掩码（LGPM）、检索增强提示词构建（RAPC）与价值自适应回报校准（VARC）三项方法。 该框架的适用对象为离线多任务强化学习场景，论文未披露方法之外的效果验证或对比结论，其自称的鲁棒性尚属作者说法。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。