arXiv cs.LG· Xinfei Wang, Shanchen Pang, Chenhao Zhang, Shudong Wang, Wenhao Ji, Haiyuan Gui, Meng Han, Xiaojian Liao·· 25 天前AI 评分35
DaCe-DT：通过自适应提示词与轨迹修正实现以数据为中心的离线多任务强化学习
DaCe-DT: Data-Centric Offline Multi-Task Reinforcement Learning via Adaptive Prompts and Trajectory Correction for Heterogeneous Tasks
AI 导读
研究人员提出离线多任务强化学习框架 DaCe-DT，通过自适应提示词与轨迹修正解决异构任务中的数据瓶颈。该框架集成了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）机制。在 Meta-World 实验中，DaCe-DT 较现有 SOTA 方法在最优和次优数据集上分别实现 11.73% 与 13.34% 的平均提升。
来源：arXiv cs.LG · arxiv.org