热点事件持续更新
DRIL通过策略分歧正则化改进少样本图像连续控制
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026-10-01，arXiv·Machine Learning Theory发表一手研究，提出Disagreement-Regularized Imitation Learning（DRIL），将克隆策略间的分歧转化为强化学习奖励，用于基于图像的连续控制少样本场景。在CarRacing实验中，score-selected DRIL仅用1条轨迹时相对最优行为克隆分别提升61%（clipped-action）和112%（bounded-action）；20条轨迹时优势收窄，Bounded Beta行为克隆仍高出约7%。研究对比了高斯与Beta策略设定。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv · Machine Learning TheoryDisagreement-Regularized Imitation Learning（DRIL）用于基于图像的连续控制：高斯与 Beta 策略研究
DRIL 将克隆策略间的分歧转化为强化学习奖励，在基于图像的连续控制任务中提升少样本表现。CarRacing 实验显示，score-selected DRIL 在仅 1 条轨迹时分别相对最优行为克隆提升 61%（clipped-action）和 112%（bounded-action）；20 条轨迹时优势收窄，Bounded Beta 行为克隆仍高出约 7%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。