LASER离线强化学习算法提出

2026年10月16日，arXiv Robotics 报道，Songyuan Zhang 等人提出 LASER 离线强化学习算法。该算法通过潜空间伴随匹配实现熵正则化的潜空间强化学习，并使用表达力强的流策略，同时避免时间反向传播。报道称，在 40 个不同数据质量的 OGBench 任务上，LASER 取得 SOTA 性能，且所有任务使用固定超参数，优于经过任务和数据集调优的基线。该工作已被 NeurIPS 2026 接收。目前关于该算法的公开信息集中于上述技术路线与基准表现，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。