QR Code (код быстрого отклика)

Conditional Sequence Modeling for Safe Reinforcement Learning

Offline safe reinforcement learning (RL) aims to learn policies from a fixed dataset while maximizing performance under cumulative cost constraints. In practice, deployment requirements often vary across scenarios, necessitating a single policy capable of zero-shot adaptation to different cost thres...

Полное описание

Сохранить в:
Библиографические подробности
Главные авторы: Wensong Bai, Chao Zhang, Qihang Xu, Chufan Chen, Chenhao Zhou, Hui Qian
Формат: Artigo
Язык:Inglês
Опубликовано: MDPI AG 2026-03-01
Серии:Mathematics
Предметы:
Online-ссылка:https://www.mdpi.com/2227-7390/14/6/1015
Метки: Добавить метку
Нет меток, Требуется 1-ая метка записи!