热点事件持续更新
DaCe-DT：面向异构任务的离线多任务强化学习框架
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年10月9日，arXiv Machine Learning Theory（一手来源）发布论文，提出离线多任务强化学习框架 DaCe-DT，从数据层面解决三个瓶颈：提示长度利用不足、随机采样提示段语义无关、碎片化轨迹误导监督。框架包含长度门控提示掩码（LGPM）、检索增强提示构建（RAPC）和价值自适应回报校准（VARC）三个组件。Meta-World 实验显示，DaCe-DT 在最优数据集上平均提升11.73%，在次优数据集上提升13.34%，优于现有最先进方法。目前报道仅此一篇，无更早或相互矛盾的信息。
AI 根据报道生成 · 2 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9日
- arXiv · Machine Learning TheoryDaCe-DT：面向异构任务的离线多任务强化学习框架
论文提出离线多任务强化学习框架 DaCe-DT，从数据层面解决提示长度利用不足、随机采样提示段语义无关、碎片化轨迹误导监督三个瓶颈。框架包含长度门控提示掩码（LGPM）、检索增强提示构建（RAPC）和价值自适应回报校准（VARC）。Meta-World 实验显示，DaCe-DT 在最优数据集上平均提升 11.73%，在次优数据集上提升 13.34%，优于现有最先进方法。
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。