论文证明去均值进化策略更新等价于奖励加权质心位移

Akshat Gupta 在 arXiv 论文（2610.35865）中为进化策略（ES）的参数更新提出几何解释：把每个受扰动的模型视为粒子、奖励视为质量，群体会平衡在奖励加权的质心处。论文证明去均值的 ES 更新恰好等于这一位移乘以与平均奖励相关的标量因子，且该结论对任意有限种群都精确成立。 在大种群或对偶采样的情形下，模型从当前位置向自身种群的奖励加权质心移动。

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。