arXiv ID:
2607.11720
arXiv 提交日期: 2026-07-13
主动式离线到在线强化学习 / Active Offline-to-Online Reinforcement Learning
1️⃣ 一句话总结
本文提出了一种在有限的在线交互预算下,通过主动选择最有潜力的策略进行微调的方法,以平衡策略评估与性能提升,从而在离线到在线强化学习场景中更高效地提升最终策略效果。