arXiv cs.LG· Tianwei Ni, Vineet Jain, Akash Karthikeyan, Pierre-Luc Bacon·· 2026-09-30AI 评分34
离线强化学习：从静态策略转向自适应先验
From Static Policies to Adaptive Priors in Offline Reinforcement Learning
AI 导读
研究者提出自适应离线强化学习（AORL），主张离线 RL 的目标应从训练直接部署的静态策略，转向学习具备持续改进能力的自适应策略先验。该范式通过保留记忆、探索与自我修正能力，帮助模型在测试时适应和在线微调中有效应对分布偏移与数据覆盖有限等挑战。论文还将贝叶斯离线 RL 列为保留认知不确定性以构建自适应先验的可行方向。
来源：arXiv cs.LG · arxiv.org