研究人员推出了一种新颖的基于模型的框架——生成式轨迹规划（GTP），旨在通过学习一个生成模型作为动作序列的提议分布来改进在线决策。该方法通过实现高效的远期推理来解决现有方法的局限性。GTP从扩散先验中采样候选动作序列，并使用学习到的动力学、奖励和价值模型对其进行优化。实验表明，GTP在连续控制和远期操作任务中，即使在其他方法性能下降的情况下，也能达到或超越最先进的基线水平。 AI
影响 该框架有望在复杂、远期的任务中实现更高效、更稳定的AI决策。
排序理由 该集群描述了一篇关于新AI框架的详细研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2610.18677v1 Announce Type: cross Abstract: Online decision-making faces a tension between efficient inference and long-horizon reasoning. Value-based methods rely on short-horizon bootstrapping that limits the propagation of long-term information, while trajectory optimiza…
Online decision-making faces a tension between efficient inference and long-horizon reasoning. Value-based methods rely on short-horizon bootstrapping that limits the propagation of long-term information, while trajectory optimization methods plan explicitly but must solve a high…