MiRL：以错误行为为靶向的终端智能体强化学习

Runchu Tian 等作者提出 Misbehavior-driven RL（MiRL）方法，用于纠正终端智能体的不当行为。其做法是先分析策略的错误，找出在多个环境中反复出现的“不当行为”，再从这些错误步骤出发进行 rollout 强化学习，并且只在通过测试且避免该行为时给予奖励。 该方法的有效性由作者在论文中提出并验证，目前尚无独立复现或第三方评估。

AI 根据报道生成 · 43 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。