无离线数据微调：冻结预训练先验替代在线克隆

Sami Nur Islam 等作者提出，在离线数据不可用时，停止在线行为克隆、冻结预训练的表达性先验，可避免预训练先验被迅速抹掉。研究称，继续在线行为拟合会导致表征坍缩与动作多样性丧失，使 critic 缺乏有效探索，并将这一失败归因于行为反馈循环。 在七个 OGBench 域上，该方法显著改善了 IFQL、FQL 与 QC 三种方法的无保留微调效果；冻结先验可保留离线覆盖度，让价值学习持续驱动改进。

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。