多目标强化学习相关 AI 资讯 · AI 热点

8月3日

10:14

10:14

官方账号arXiv cs.AI@Manith Adikari, Bei Peng, Samuele Vinanzi, Angelo Cangelosi

LEMUR是一个新框架，让智能体从多个人的偏好反馈中学习多目标策略，无需预先定义奖励函数。它同时学习策略和多个目标专属的奖励模型，在训练中平衡竞争目标。在多种多目标任务基准上，LEMUR的表现优于现有基线方法。这项研究为无预设奖励的多目标决策任务提供了新方向。

论文 LEMUR 多目标强化学习偏好反馈

推荐理由：这是篇新论文，LEMUR能直接从多人偏好学多目标策略，不用设奖励函数，基准上比现有方法强。

7月13日

10:47

10:47

官方账号arXiv cs.AI@Cláudio Lúcio do Val Lopes, Lucca Machado da Silva

金融异常检测面临极端类别不平衡，传统单目标算法常出现“欺诈崩溃”。研究者提出 Semantic Pareto-DQN，一个基于多目标强化学习的框架。它利用大语言模型将异构交易特征编码为自然语言状态表示，并优化包含金融效能、操作摩擦和语义发现的向量奖励。在电子商务欺诈和UCI Credit数据集上，该框架成功打破零召回陷阱，相比标量化基线提升了少数类召回率。

AI模型 Semantic Pareto-DQN 多目标强化学习金融异常检测

推荐理由：金融欺诈检测的老大难问题有了解法：Semantic Pareto-DQN 不用重采样，直接多目标优化，既能抓到欺诈又少误拦正常交易。

6月18日

10:36

10:36

官方账号arXiv cs.LG@Arnaud Lequen, Clément Legrand-Lixon, Léo Saulières

PQLRM算法将Pareto Q-Learning与奖励机器（Reward Machines）结合，维护向量化Q估计来逼近Pareto前沿。实验表明，相比朴素PQL基线，PQLRM在奖励机器编码的非马尔可夫任务中收敛更快。它还能合成QRM无法获得的Pareto最优策略，提升了多目标强化学习的样本效率。

论文 PQLRM Reward Machines Pareto Q-Learning

推荐理由：这篇论文提出了PQLRM，把Pareto Q-Learning和奖励机器结合起来，在多目标任务里比基线收敛更快，还能找到普通方法找不到的最优策略。

6月17日

12:00

12:00

官方账号arXiv cs.LG@Umer Siddique, Peilang Li, Yongcan Cao

该论文研究多目标强化学习（MORL）中的公平性优化问题。传统单策略方法使用广义基尼福利函数（GGF）只能处理固定用户偏好，缺乏策略多样性。作者证明对于凹分段线性福利函数（如GGF），公平策略仍属于凸覆盖集（CCS）。提出三种新算法：集成GGF的多策略多目标Q学习（MOQL）、状态增强多策略MOQL及随机策略扩展。在多个领域实验表明，该方法能学习一组适应不同用户偏好的公平帕累托最优策略。

论文 MORL GGF 多目标强化学习

推荐理由：这篇论文提出了在MORL中兼顾最优和公平的新方法，用GGF和三种算法生成多样化的公平策略，比传统单策略方法更灵活。