模拟器漂移下如何采集重校准数据

Harsh Parikh 等作者提交的论文比较了模拟器校准后发生漂移时的四种数据采集策略：从不重校准、用 on-policy 数据被动适应、全单元持续探索，以及在预设窗口内对部分单元做随机实验。 理论分析与自动售货机模拟显示：当漂移在 on-policy 数据中不可见，或重校准滞后于持续漂移时，实验优于被动适应；当尝试较差动作代价高且动态可能未变时，实验优于探索。研究关注的是模拟器失配后是否、何时以及如何收集重校准数据。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。