多目标强化学习路由集成与轨迹归因方法

Zhenshuo Zhang、Ruoxuan Xiong 与 Hongyang R. Zhang 提出一种面向多目标强化学习的路由集成策略学习算法：维护一小组基策略，并将轨迹动态路由到潜在奖励最高的策略。作者同时提出核代理轨迹归因算法，用于估计轨迹反馈信号对其他轨迹策略学习的影响。 论文引入目标冲突系数，并据此推导在线场景的近最优遗憾界，以量化目标错位对学习效率的影响。该论文称将发表于 NeurIPS 2026（扩展版）。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。