跳到正文
arXiv cs.AI· Jingyang You, Hanna Kurniawati·· 10 小时前AI 评分31

GLiBRL:用广义线性任务模型实现精确贝叶斯推理的元强化学习框架

Meta-RL with Bayesian Linear Task Models

AI 导读

GLiBRL 是一个深度贝叶斯强化学习框架,将广义线性任务模型与可学习非线性基函数结合,通过共轭贝叶斯推理实现任务参数与模型噪声的精确序列后验更新,并用闭式边际似然替代变分推断。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:深度贝叶斯强化学习通过推断潜在的转移模型和奖励模型来适应未见过的任务,但现有方法通常依赖变分后验和证据下界,从而引入近似误差和不稳定的任务表示。我们提出 GLiBRL,一个深度贝叶斯强化学习框架,它将广义线性任务模型与可学习的非线性基函数相结合。GLiBRL 采用共轭贝叶斯推断,对任务参数和模型噪声给出精确的、顺序的后验更新,并给出闭式边际似然,从而消除变分推断。该更新天然具有置换不变性,使 GLiBRL 能够与离策略和在策略算法结合。GLiBRL 还学习一种任务表示,该表示满足精确的核恒等式,将任务表示之间的距离与任务上下文上的核差异联系起来。与八种代表性或近期的元强化学习方法相比,GLiBRL 在 MuJoCo 运动控制和 MetaWorld 操作基准上均取得了最高的零样本测试综合性能。
评论: 已被 NeurIPS 2026 接收
主题: 机器学习(cs.LG);人工智能(cs.AI);机器人学(cs.RO)
引用为: arXiv:2512.20974 [cs.LG]
  (或 arXiv:2512.20974v5 [cs.LG] 用于此版本)
  https://doi.org/10.48550/arXiv.2512.20974

由 DataCite 颁发的 arXiv DOI

提交历史

来自:Jingyang You [查看邮箱]
[v1] 2025年12月24日 星期三 06:00:51 UTC(3,218 KB)
[v2] 2026年5月7日 星期四 05:25:01 UTC(4,837 KB)
[v3] 2026年5月8日 星期五 01:20:50 UTC(4,834 KB)
[v4] 2026年9月9日 星期三 09:27:59 UTC(1,420 KB)
[v5] 2026年11月17日 星期二 23:10:19 UTC(1,299 KB)

来源:arXiv cs.AI · arxiv.org