PLATO：离线元强化学习鲁棒优化方法

2026年10月15日，arXiv Artificial Intelligence 刊出 Chang-Hoon Jeong 等作者的研究，提出悲观潜在任务感知优化方法 PLATO，面向鲁棒离线元强化学习。该方法通过将推断出的任务潜在表示从训练质心向外扰动，合成反事实任务，并用学习到的解码器集成在扰动潜变量上展开短轨迹，以悲观权重更新策略。报道称，在八个 MuJoCo 连续控制基准上，PLATO 在分布外任务回报上持续优于强 COMRL 基线，同时在分布内任务上保持竞争力。作者表示代码已公开，但报道未给出具体链接地址。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现数字、时间或说法上的前后矛盾。

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。