Safe AD 安全上下文强化学习改进:双阶段教师蒸馏与 A-Lag 测试时成本调整
Safe AD 之前在五个安全 RL 基准上表现很差,这篇论文用两阶段预算感知教师加 A-Lag 测试时调整,把五个环境的成本全降下来了,回报在四个环境还更高。做安全强化学习或上下文学习的人值得对照原文看实验细节。
Safe AD 之前在五个安全 RL 基准上表现很差,这篇论文用两阶段预算感知教师加 A-Lag 测试时调整,把五个环境的成本全降下来了,回报在四个环境还更高。做安全强化学习或上下文学习的人值得对照原文看实验细节。