PolicyLift：从观测数据改进生成式策略

Jonas Schweisthal 等作者提出三阶段框架 PolicyLift，用于从观测数据中改进结构化动作（如文本、图像）的决策策略。该框架先学习少量离散动作码以捕捉高层策略，再学习依赖上下文的码级策略，部署时通过历史行为系统将码级策略映射回原始动作空间。作者称已从理论上证明：码级策略的改进可保证原动作空间策略的改进；在合成与真实文本生成任务上，该框架均优于行为策略。

AI 根据报道生成 · 45 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。