CoDrift เสนอฟิลด์การดำเนินการเรียบเรียงเสียงสำหรับการเรียนรู้การเสริมกำลังแบบออฟไลน์
การพิมพ์ล่วงหน้า arXiv ใหม่แนะนำ CoDrift ซึ่งเป็นเฟรมเวิร์กนโยบายการสร้างขั้นตอนเดียวที่รวมความเข้ากันได้ทางพฤติกรรมและวัตถุประสงค์ในการแสวงหาคุณค่าสำหรับการเรียนรู้การเสริมกำลังแบบออฟไลน์ ผู้เขียนรายงานอันดับเฉลี่ยที่ดีที่สุดในงาน 73 OGBench และ D4RL ทั้งในการตั้งค่าออฟไลน์และออฟไลน์สู่ออนไลน์