arXiv cs.AI· Hao Wang, Jiuzhou Lei, Dayou Li, Bangya Liu, Minghui Zheng, Manling Li, Ruohan Zhang, Zhiwen Fan·· 9 小时前AI 评分27
MoRE：将模式重定向蒸馏进策略权重，无需推理时引导即可消除行为克隆中的不良模式
Behavior Uncloning: Distilling Mode Redirection into Policy Weights without Inference-Time Steering
AI 导读
针对行为克隆策略会学到不安全行为模式的问题，研究者提出 MoRE（Mode Redirection），通过短暂的“uncloning”步骤将临时模式分类器的重定向信号蒸馏进策略权重，使独立策略以零推理时开销抑制不良模式。
来源：arXiv cs.AI · arxiv.org