正则化 Score Centering 提出:agentic RL 六项任务全面领先,BabyAI 提升 9.9 倍
aviral_kumar2 · x · 2026-11-20
jackbotcs 提出 Regularized Score Centering(RSC),改进 agentic RL 中的优势估计方法。原方法 Score Centering(SC)从每个 token 的 score 中减去采样器的均值 score,但当训练器(learner)与采样器(sampler)分布相距较远时会失效。RSC 的做法是:在 SC 基础上,增加一个对采样器的反向 KL 正则项,从第一性原理出发解决 learner-sampler 偏差问题。实验结果:在全部六个 agentic 任务上取得最佳表现,其中 BabyAI 上提升达 9.9 倍。推文链接了 13 页的详细线程。
所属事件:正则化分数中心化方法显著提升智能体强化学习性能(2 条相关)→
「研究」频道最新
- AI 模型攻克 MIPLIB 多个公开十年未解优化难题,运营研究界惊叹 — tdhopper · 2026-11-20
- Road MOPD:多教师蒸馏互踩问题,医学场景提升 5.6–8.8 个百分点 — jiqizhixin · 2026-11-20
- 机器人研究者质疑:全身关节空间不是高层 agent 该用的规划抽象 — KyleMorgenstein · 2026-11-20
- 新可解释性论文追问:语言模型内部真的编码了「目标」吗? — benno_krojer · 2026-11-20
- DeepMind 用记忆机制强化递归自我改进,性能 68.41 升至 84.75 — Dr_Singularity · 2026-11-20
- AI 筛选抗疟药论文入选 NeurIPS Africa in AI 分会场 — madeofAjala · 2026-11-20