研究人员推出CORMA,一个用于离线安全强化学习的新框架,该框架解决了多约束环境的挑战。CORMA采用基于Mamba的架构,与传统的Transformer模型相比具有更高的效率,并采用约束路由方法来融合安全特定专家模型。该方法旨在提高对未见安全预算组合的泛化能力并降低推理延迟。 AI
影响 这项研究可能带来更强大、更高效的AI系统,使其能够处理现实应用中复杂的安全约束。
排序理由 该集群描述了一篇关于强化学习特定领域新框架的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- CORMA
- DagsHub
- Decision Transformer
- Gotit.pub
- Hugging Face
- Mamba
- OSR L
- ScienceCast
- transformers
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →