arXiv论文提出学习全程零约束违反的安全多目标强化学习算法

Chenxi Li 等在 arXiv 论文（arXiv:2610.39409）中提出安全多目标强化学习算法，称可保证学习全程零约束违反，覆盖累积与逐步两类约束，并给出原始平均收敛结果。该算法的前提是已知一个严格满足约束的策略及其成本；论文同时给出放松该要求的变体，此时最多产生常数级的累积违反。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。