PolicyLift

PolicyLift框架通过结构化动作增强决策策略

研究人员推出了一种新颖的三阶段框架PolicyLift，旨在处理源自观测数据的复杂结构化动作时，增强决策制定策略。该方法解决了诸如可靠评估动作重叠不足以及为新动作训练或微调生成模型成本高昂等挑战。PolicyLift首先识别代表高级策略的离散动作代码，然后学习这些代码上的策略，最后在这些代码的条件下生成原始空间中的动作，理论上保证策略改进。