CoDrift propose des champs d'action compositionnels pour l'apprentissage par renforcement hors ligne
Une nouvelle prépublication arXiv présente CoDrift, un cadre politique génératif en une étape qui combine compatibilité comportementale et objectifs de recherche de valeur pour l'apprentissage par renforcement hors ligne. Les auteurs rapportent le meilleur classement moyen sur 73 tâches OGBench et D4RL dans les paramètres hors ligne et hors ligne.