non-stationary-environments

本文研究了渐变非平稳环境下强化学习中的稳定性-可塑性困境，发现通过跨多个时间尺度的突触巩固来稳定后继特征，其效果优于专注于可塑性的方法。

本文引入了 CXR-MAX，这是一个大规模基准，旨在利用来自多个多模态大语言模型（MLLM）的 X 射线数据，评估非平稳环境下的推理对齐性能。