Skip to content
Hot eventLive

WMPA：目标条件强化学习的策略仲裁框架

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026年10月9日，arXiv 机器学习理论栏目发布论文，提出 World-Model Policy Arbiter（WMPA），一种面向目标条件强化学习的测试时策略仲裁框架。该框架把一组冻结的目标条件策略当作组合，在学习的状态空间世界模型中对各策略进行 rollout，用共享的目标条件价值函数评估想象出的未来，并在每轮仲裁中执行得分最高的策略一段承诺区间。目前公开信息仅涉及该论文内容，尚无后续实验验证或第三方复现报道。

Generated from reports · updated 3 hr ago

LatestOct 9
arXiv 发布 WMPA 论文，提出测试时策略仲裁框架。

Timeline

Follow the coverage from different angles.

Oct 9, 2026
  1. arXiv · Machine Learning Theory
    World-Model Policy Arbiter：面向目标条件强化学习的策略仲裁框架

    论文提出 World-Model Policy Arbiter（WMPA），一种测试时框架，把一组冻结的目标条件策略当作组合，在学习的状态空间世界模型中 rollout 各策略，用共享的目标条件价值函数评估想象未来，并在每轮仲裁中执行得分最高策略一段承诺区间。

Heat trend

Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –

02.557.510Oct9Oct9Oct9Oct9

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.