研究者提出TeLAPA持续强化学习框架

Lute Lillo 与 Nick Cheney 提出 TeLAPA（Transfer-Enabled Latent-Aligned Policy Archives）持续强化学习框架，针对单模型保留导致的塑性丧失问题，将行为多样的策略邻域按任务组织成档案库，并维护共享隐空间，使归档策略在非平稳漂移下保持可比与可复用。 该框架的思路来自质量-多样性（quality-diversity）方法。研究者称，其目标是在持续强化学习中保留并复用行为多样的策略，而非仅依赖单一模型。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。