CoDrift пропонує композиційні поля дій для офлайн-навчання з підкріпленням
Новий препринт arXiv представляє CoDrift, одноетапну структуру генеративної політики, яка поєднує в собі поведінкову сумісність і цілі пошуку цінностей для офлайн-навчання з підкріпленням. Автори повідомляють про найкращий середній рейтинг у 73 завданнях OGBench і D4RL як в режимі офлайн, так і в режимі офлайн-в-онлайн.