研究者提出MOSE多阶状态暴露方法

针对因果强化学习中如何从观测变量的因果图构造可证明满足马尔可夫性质的MDP状态这一问题，Jiamin Xu等作者提出MOSE（Multi-Order State Exposure）方法。 该方法让单个共享Q-function同时接触1到W阶的基于历史的状态构造，并用基于注意力的选择层按价值估计相关性打分筛选维度。 上述内容来自作者在论文中的表述，报道未给出该方法在基准任务上的具体性能数据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。