noisy-expert

#noisy-expert

行为克隆并非所需全部：噪声专家反馈下在线策略蒸馏的最优性

arXiv cs.LG ↗ · 2026-07-01 缓存

本文提出一个噪声专家模型来解释离线与在线模仿学习之间的差距，表明从噪声轨迹中离线学习需要指数级样本复杂度，而在线策略蒸馏可实现多项式依赖。该分析引出一种替代损失函数，实验证实了理论发现。

0 人收藏 0 人点赞