多目标强化学习中后见重标记导致的偏好覆盖坍塌

英文标题：On Preference Coverage Collapse from Hindsight Relabeling in Multi-Objective Reinforcement Learning

该论文研究多目标强化学习中的后见重标记（Hindsight Relabeling）方法。后见重标记会将一条状态转移的目标事后替换为智能体实际达成的结果，从而提升强化学习的样本效率。论文关注这一思路扩展到偏好条件化多目标强化学习后，可能引发的“偏好覆盖坍塌”问题。该问题可能影响模型对不同偏好条件的训练覆盖与泛化能力，对开发多目标 Agent 和偏好驱动的 RL 系统具有参考意义。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB