CauCRL：反事实轨迹的离线对比目标条件强化学习

2026年10月15日，Tingrui Huang、Ai Bo、Junzhe Zhang 在 arXiv 人工智能板块提交论文预印本，提出 CauCRL（Causal Contrastive Reinforcement Learning，因果对比强化学习）方法，用于反事实轨迹的离线对比目标条件强化学习。据该预印本，CauCRL 从正、负离线示范中学习悲观的反事实转移，并在反事实 rollout 上训练 critic，以缓解示范者隐藏信息导致的动作—结果虚假关联问题；该方法用混杂马尔可夫决策过程形式化该设定，对所有兼容转移取最小，从而得到真实占用率的下界。报道称，在混杂目标到达任务上，CauCRL 的成功率显著优于标准 CRL。目前该工作处于预印本阶段，尚无后续跟进报道。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。