提出CORMA多约束离线安全RL框架
热点事件持续更新
提出CORMA多约束离线安全RL框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Changxu Ni 等作者发布论文，提出面向多约束离线安全强化学习的 CORMA 框架，将策略推理分解为约束感知的 RTG 估计与自适应动作生成，采用专家组合融合和三阶段优化。 论文称，在 OSRL 基准实验中 CORMA 取得更优的回报-安全权衡，推理延迟较基于 DT 的方法降低 37%，并对未见过的安全预算组合展现出零样本泛化能力。
AI 根据报道生成 · 57 分钟前更新
最新进展10月27日 12:00
CORMA：基于约束路由的 Decision Mamba，实现可泛化的多约束离线安全强化学习报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AICORMA：基于约束路由的 Decision Mamba，实现可泛化的多约束离线安全强化学习
论文提出 CORMA，一种用于多约束离线安全强化学习的约束路由 Decision Mamba 框架。其将策略推理分解为约束感知的 RTG 估计与自适应动作生成，采用专家组合融合机制和三阶段优化策略。在 OSRL 基准上，CORMA 取得更优的回报-安全权衡，推理延迟较 DT 方法降低 37%，并对未见过的安全预算组合展现出更强的零样本泛化能力。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。