新论文用CVaR衡量情节成本尾部风险

一篇发表于 arXiv 的论文提出用 CVaR_0.1 衡量安全强化学习中的情节成本尾部风险，即最差 10% 情节的平均成本。作者 Samuel Tetteh 和 Cody Fleming 称，常见做法只约束期望情节成本，策略可能平均达标却在最差情节中不安全。 研究在 Safety-Gymnasium 的三个导航任务上评估五种标准算法，识别出平均安全但尾部不安全的策略，并在四个导航与四个运动任务上检验四类约束的尾部控制能力。

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。