SEVI：真实世界强化学习的安全证据框架

Shaekh Mohammad Shithil 与 Lantao Liu 提出 SEVI（Safe Evidential Real-World Reinforcement Learning）框架，用于真实世界策略学习过程中的可靠性感知安全干预。 该框架的核心组件 Evidential Safety Critic 可在单次前向传播中同时估计未来约束违规风险与认知不确定性。报道未给出实验验证结果或实际部署效果。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。