研究者提出LMOPD多目标策略蒸馏方法

Doseok Jang等作者提出一种名为 LMOPD（字典序多目标同策略蒸馏）的多教师方法，用于按显式优先级整合各奖励专精策略。该方法通过字典序路由与对数策略修正投影，保护高优先级能力。 该研究发布在 arXiv cs.LG，作者称其目标是在多目标场景下兼顾不同奖励专精策略，并优先保障高优先级能力不被削弱。

AI 根据报道生成 · 14 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。