SRLBC行为克隆架构用于核反应堆负荷跟踪

2026年10月30日，arXiv人工智能板块刊出Perceval Beja-Battais等作者的论文，提出名为SRLBC（Structured Representation Learning for Behavior Cloning）的架构，用于多尺度动力系统的行为克隆与压水堆负荷跟踪控制。该架构针对慢状态变量、快（刚性）状态变量与可预测外生输入以不同时间尺度演化的物理特性，分别学习嵌入，以加速非线性MPC。论文报告在压水堆负荷跟踪基准上，经500次长时程rollout、20个训练种子测试，SRLBC系统性优于共享嵌入基线。目前事件进展限于该论文的提出与基准结果，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。