11:07
官方账号arXiv cs.AI@Chih-Han Yang, Dai-Jie Wu, Yun-Ping Huang, Ping-Chun Hsieh, Kenneth Marino, Shao-Hua Sun
推荐理由：这篇论文教你用自然语言批评代替标量信号，从糟糕的演示中学更好，LC-BC和LC-DP在多个任务上都赢了。
LC-DP
共 1 条相关 AI 资讯
7月2日
11:07
提出语言批评模仿学习框架，利用自然语言作为结构化监督信号替代标量反馈。通过构建演示的语言标签，明确描述进度、识别次优行为并提供纠正指导。引入语言批评损失，实例化为LC-BC（行为克隆）和LC-DP（扩散策略）两种变体。理论证明该目标上界专家性能差距。在导航、操作和游戏等连续控制任务上，LC-BC和LC-DP优于强模仿学习和离线强化学习基线。