论文Agent 与开发者12:52Advantage Guidance：用监督学习的稳定性做强化学习Google DeepMind 这篇论文把监督学习和强化学习的好处合在一起，26 个稀疏奖励任务上都跑赢了以前的 RL 方法，搞 RL 的可以看看。#Advantage Guidance#强化学习#扩散模型#策略优化aarXiv cs.LG@Zhiyuan Zhou, Sergey Levine原文稍后读已读值得跟进有用关注 Advantage Guidance