博士论文提出离线学徒学习奖励建模框架

Md Mirajul Islam 的博士论文围绕奖励建模与示范质量两大挑战，提出一系列离线学徒学习（AL）框架。奖励建模方面，EM-EDM 按潜在奖励函数对示范聚类，并推导出各簇专属策略；THEMES 用分层学习的奖励调节器把轨迹切分为时间连贯的子轨迹。论文称，这两个方法在一个教育数据集和三个临床数据集上优于扁平与分层 AL 基线。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。