高阶动作监督论文被NeurIPS 2026接收

Peng Cheng等研究者提出的策略学习新损失方案被NeurIPS 2026接收：在监督动作标签（零阶动作）的同时监督一阶动作，作者称可提升策略性能与控制鲁棒性，且无需改动现有策略模型结构，可作为即插即用模块接入多种离线RL框架。 论文作者称，在OGBench和D4RL上的评测显示该方法在多种连续控制环境中带来性能与鲁棒性提升。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。