港大与清华提出离线价值学习框架VAST

香港大学与清华大学研究团队提出离线价值学习框架 VAST（Horizon Adaptive Offline Policy Learning via Value Stitching），通过联合选择未来子目标与时间跨度，拼接局部回报与后续价值，让离线强化学习自适应选择价值更新的时间尺度。 研究团队在 OGBench 上评估了该框架，覆盖 10 个领域、50 个基于状态输入的任务。目前的实验结果主要来自基于状态输入的离线基准，能否拓展至视觉输入、真实机器人与更开放的环境，仍有待验证。

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。