华人团队提出InFOM新方法实现RL预训练突破，在复杂任务中性能提升最高达20倍
加州大学伯克利分校团队提出新型强化学习方法InFOM，结合流匹配与意图感知的占据模型，不依赖奖励信号即可实现跨任务迁移。该方法通过潜在变量编码用户意图，并利用流匹配预测多步未来状态，提升了在稀疏奖励任务中的表现。实验显示，在ExORL和OGBench基准测试中，InFOM在多数任务上优于现有方法，其中Jaco任务性能提升达20倍，成功率较最佳基线提高36%。相比传统无监督技能发现方法，InFOM结构更简洁、训练更高效，展现出在复杂意图推理任务中的潜力。来源：https://mp.weixin.qq.com/s/WyJuhjkmreZ2clSw1XvHiw
页:
[1]