CoDrift proponuje pola działań kompozycyjnych do uczenia się przez wzmacnianie offline
Nowy wstępny wydruk arXiv przedstawia CoDrift, jednoetapowe ramy polityki generatywnej, które łączą w sobie zgodność behawioralną i cele poszukiwania wartości dla uczenia się przez wzmacnianie offline. Autorzy podają najlepszą średnią pozycję w 73 zadaniach OGBench i D4RL, zarówno w ustawieniach offline, jak i offline-online.