arXiv提出反事实rollout解决RL混淆

发生了什么

据arXiv cs.LG报道，论文提出CauCRL方法解决离线对比目标条件强化学习中的混淆问题。当演示者拥有隐藏信息时，标准假设失效。该方法引入反事实转换分离数据识别内容，通过最小化兼容转换的下界构建悲观反事实转换，并在负样本演示上训练评论家，显著提高了混淆目标达成任务的成功率。