新论文提出大规模并行安全强化学习加速方法

Joonyoung Lim 与 Younghwan Yoo 提交的论文（arXiv:2611.08273）研究如何把安全强化学习扩展到大规模并行训练场景，该论文已被 NeurIPS 2026 接收。 论文针对大量环境以短 rollout 视界并行执行的场景：作者将交错的环境重置建模为短轨迹段的相位混合分布，提出相位聚合代价估计器，从短 rollout 批次重建 episode 级代价估计，并结合有限样本不确定性与分布不匹配设计约束收紧框架。

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。