考虑可行性的悲观估计:面向离线强化学习的长远安全性

💡 原文中文,约700字,阅读约需2分钟。
📝

内容提要

本研究提出了一种新的离线安全强化学习框架FASP,解决了现有方法短期安全性不足的问题。通过汉密尔顿-雅可比分析生成安全标签,确保高效采样和长期安全保障,实验结果表明其表现优异。

🏷️

标签

➡️

继续阅读