高阶动作监督构建强策略类别

论文提出同时监督零阶与一阶动作，以提升模仿学习与强化学习策略的性能与控制鲁棒性。该方法引入带理论保证的损失方案，可即插即用地适配确定性、随机或流式策略模型，无需结构改动。在 OGBench 与 D4RL 上验证，方法在连续控制环境中显著提升表现，并增强低数据场景下的 OOD 泛化能力。论文已被 NeurIPS 2026 接收。