研究人员推出了一种名为 Q-ALIGN DT 的新框架，旨在通过将面向返回（RTG）的输入与学习策略的实际性能进行对齐来增强条件序列模型（CSM）。该方法利用 Q 函数来指导 CSM，确保更高的 RTG 对应于具有更高预期回报的轨迹。在 D4RL 基准测试上的实验表明，Q-ALIGN DT 提供了卓越的可控性和性能，有效地学习了能够泛化到速度跟踪等复杂任务的结构化策略，而之前的方法在此类任务上表现不佳。 AI
影响 该框架有望在序列决策任务中实现更具可控性和更高性能的 AI 代理。
排序理由 这是一篇详细介绍新框架和实验结果的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
