两篇新研究论文探讨了在模仿学习中分配奖励的方法，这是从有限专家演示中学习时的关键挑战。第一篇论文《专家演示奖励分配的最小要素》提出，在离线设置中，接近专家轨迹足以进行有效的奖励分配，而时间对应关系在离线时能带来适度的收益，但对于在线学习或多次演示至关重要。第二篇论文《来自正确演示的多尺度奖励对冲》为连续奖励类别引入了一种新颖的方法，通过在各种精度尺度上进行最优性测试对冲，提供了第一个无视界保证。该方法旨在将累积隐藏差距的界限与回合数无关，提供多项式界限和快速统计速率。 AI
影响 这些论文推进了模仿学习的理论理解和实践方法，有望提高AI代理从人类演示中学习的能力。
排序理由 两篇在arXiv上发表的学术论文，讨论了模仿学习的新颖方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2506.06793v2 Announce Type: replace-cross Abstract: Reward assignment from scarce demonstrations is a key challenge in both offline and online imitation learning. A common and intuitive strategy assigns rewards according to how closely learner trajectories match expert demo…
arXiv:2608.06825v1 Announce Type: new Abstract: Learning from correct demonstrations is harder than supervised learning when many answers are correct: after predicting, the learner sees one valid answer but not whether its own answer was valid, nor any reward. Existing reward-hed…