Skip to content
Hot eventLive

GITA多时间尺度目标条件强化学习

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026-10-02，arXiv·Statistics Machine Learning发表一手论文，提出广义隐式时间抽象（GITA）。该方法通过单一价值函数条件化于多个时间步k，聚合优势加权监督，同时保留局部分辨率与长程信号。在OGBench上，GITA相比HIQL平均成功率提升25个百分点（相对提升73%），相比最强固定-k方法OTA提升7个百分点（相对提升14%）。

Generated from reports · updated 2 hr ago

LatestOct 2
2026-10-02论文发布，GITA在OGBench上相对HIQL成功率提升25个百分点、相对OTA提升7个百分点。

Timeline

Follow the coverage from different angles.

Oct 2, 2026
  1. arXiv · Statistics Machine Learning
    Learning Multiple Timescales for Goal-Conditioned Reinforcement Learning

    论文提出广义隐式时间抽象（GITA），通过单一价值函数条件化于多个时间步 k，聚合优势加权监督来同时保留局部分辨率与长程信号。在 OGBench 上，GITA 相比 HIQL 平均成功率提升 25 个百分点（相对提升 73%），相比最强固定-k 方法 OTA 提升 7 个百分点（相对提升 14%）。

Heat trend

There is not enough continuous observation data to draw a trend yet.