#离线强化学习

ReBF解决了强化学习中的速度自举不可能三角问题，在多个基准测试中大幅提升性能。

一篇改进 Decision Transformer 的新论文：发现长序列跑崩时预测误差会飙升，先筛掉不可信上下文再选动作，D4RL 上验证有效，做离线强化学习的可以看看。

训练离线RL可以不用目标网络和EMA了，ALBUM单critic在OGBench追平FQL，显存最省

朋友，DeepSeek团队搞了个新算法MTD3-BC，专门用来优化风场发电，在风洞里测试过，效果不错，比传统方法省时间还省成本。

这篇用扩散模型估计奖励和转移核，再学Q*，收敛率给得很细，还绕开了RL里常见的完整性假设。

这篇论文解决了离线到在线RL中一个关键难题：在有限交互次数下，如何主动挑选微调策略而不是盲目均分预算。实验结果挺实在，值得做RL方向的朋友看看。

这篇论文提出FORE方法，只用占用率可实性就能做离线策略评估，省去Bellman完备性的复杂条件，适合研究强化学习的同学参考。

这篇论文用理论和实验告诉你，离线RL里悲观多少不重要，悲观的结构对不对才关键，还给出了数据增强的正确用法。

想处理真实场景奖励缺失的强化学习玩家可以看这篇，用影子变量和桥函数解决偏差问题，实验比传统方法稳。