逆向RL定目标的新细节：须考虑每个目标达成难度
ben_eysenbach · x · 2026-07-07
强化学习研究者Ben Eysenbach指出一个易被忽略的细节：用逆向强化学习推断专家目标，并非简单地选取专家最常访问或最后访问的状态。例如比赛第二名当时大概率也在努力争胜。他指出以往零样本模仿方法常犯此错，修正方法是推断目标时考虑每个目标的达成难度。
ben_eysenbach · x · 2026-07-07
强化学习研究者Ben Eysenbach指出一个易被忽略的细节：用逆向强化学习推断专家目标，并非简单地选取专家最常访问或最后访问的状态。例如比赛第二名当时大概率也在努力争胜。他指出以往零样本模仿方法常犯此错，修正方法是推断目标时考虑每个目标的达成难度。