研究者提出安全强化学习评估指标并开源SafeRLEval套件

Lindsay Spoor、Aske Plaat和Thomas Moerland提出一套安全强化学习（safe RL）评估指标体系，并开源评测套件SafeRLEval，用于更可靠地刻画算法的安全性。 研究者称，现有基准只报告平均安全性，无法反映安全约束（CMDP）被违反的频率与严重程度。新框架包括跨任务与安全界限聚合的评测指标、用于分类比较算法的安全等级体系，以及在多个安全导航任务上的实证评估。研究建议联合报告聚合指标、分布信息和任务特定结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。