arXiv cs.AI· Sriyash Poddar, Yanda Bao, Jacob Krantz, Matthew Chang, Xavier Puig, Roozbeh Mottaghi, Natasha Jaques, Abhishek Gupta·· 2 小时前AI 评分45
ASTEROID：非对称在策略蒸馏让模型学会上下文探索
Asymmetric On-Policy Distillation Learns In-Context Exploration
AI 导读
研究者提出 ASTEROID，一个学生-教师监督学习框架，让学生在部分可观测环境下学会测试时探索。在 11 个环境（含离散探索基准、机器人操作、导航和 Procgen）中，ASTEROID 在固定探索预算下回报约提升 2 倍，交互次数比 RL 基线少约 100 倍；仿真训练的策略迁移到视觉受限的真实机器人操作时，成功率较标准蒸馏提升 +40%。
来源：arXiv cs.AI · arxiv.org