热点事件持续更新

LASER离线强化学习论文被NeurIPS 2026接收

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Songyuan Zhang等研究者提出的LASER离线强化学习算法论文被NeurIPS 2026接收。该算法在隐空间做伴随匹配，实现熵正则化的隐空间强化学习，在使用表达性流策略的同时避免对时间反向传播。作者称，在40项数据集质量不一的OGBench任务上，LASER取得state-of-the-art性能，且全部任务使用固定的、与任务无关的超参数，优于包括按任务和数据集专门调参的基线方法。

AI 根据报道生成 · 7 小时前更新

最新进展10月8日 12:00

LASER：面向支撑约束熵正则化离线强化学习的隐空间伴随匹配算法

报道时间线

沿着报道，了解事件的不同侧面。

10月8日

12:00
arXiv cs.RO 机器人学
LASER：面向支撑约束熵正则化离线强化学习的隐空间伴随匹配算法
LASER 提出一种离线强化学习算法，通过隐空间伴随匹配实现熵正则化的隐空间强化学习，在保持表达性流策略的同时避免通过时间反向传播。在 40 项不同数据集质量的 OGBench 任务上，LASER 取得 state-of-the-art 性能，且在所有任务上使用固定的、与任务无关的超参数，优于包括按任务和数据集专门调参的基线方法。该论文已被 NeurIPS 2026 接收。

本事件热度走势

可比范围当前: 8
可比范围峰值: 1010月8日 13:00
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。