arXiv cs.AI / cs.LG 最新· Sriyash Poddar·· 11 小时前AI 评分62
ASTEROID 用非对称同策略蒸馏学习上下文内探索
Asymmetric On-Policy Distillation Learns In-Context Exploration
AI 导读
作者提出 ASTEROID，一种非对称同策略蒸馏的学生-教师监督学习框架，让模型在部分可观测环境中学会测试时探索。学生先采集同策略上下文，再由特权专家按该历史给出动作标签，学会不确定时搜索、状态明确后利用。在 11 个环境（含机器人操作、导航和 Procgen）中，固定探索预算下回报约高 2 倍，交互量比 RL 基线少约 100 倍；迁移到禁用视觉的真实机器人操作后成功率比标准蒸馏高 40%。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。