RePPO：群体策略优化实现行为多样性

2026年10月28日，arXiv 人工智能板块刊出 Saeed Hedayatian 等作者的论文，提出 RePPO（Repulsive Population Policy Optimization，排斥性种群策略优化）。据该报道，RePPO 基于质量-多样性优化的 Soft QD 视角，将 PPO 适配为用依赖种群、动态塑形的奖励，联合优化一小组多样且高质量的策略。报道称，在标准连续控制任务上，RePPO 取得优于当前 QD-RL 方法的质量-多样性权衡；在基于像素的任务中，RePPO 在保持与标准 PPO 相当质量的同时多样性显著更高，并首次将 QD-RL 方法成功用于大语言模型微调。目前该事件仅有这一篇主报道，尚无跟进报道，上述性能结论均出自论文作者自述，尚未见独立验证或后续进展。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。