跳到正文
热点事件持续更新

研究提出残差引导轻量强化学习轨迹选择框架

1 篇报道1 个报道来源22 小时前更新

先了解这件事

AI 综述

Jiaqi Wu等作者提出一种残差引导强化学习框架,用于风险感知的轻量轨迹选择:在冻结世界模型和固定候选轨迹库下,用PPO微调“候选选择+有界轨迹残差”的联合策略。 据论文,微调阶段仅更新16,106个参数,部署时只保留11,725个参数的排序网络。

AI 根据报道生成 · 14 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv cs.AI
    基于冻结世界模型的残差引导轻量强化学习用于风险感知轨迹选择

    研究提出一种残差引导强化学习框架,在冻结世界模型与固定候选轨迹库下用PPO微调候选选择与有界轨迹残差的联合策略,微调仅更新16,106个参数,部署时只保留11,725参数的排序网络。

本事件热度走势

可比范围当前
5
可比范围峰值
811月19日 22:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。