港大清华提出离线价值学习框架VAST

2026年10月24日，机器之心报道，香港大学与清华大学提出离线价值学习框架VAST，用于长程决策学习中的自适应时间尺度选择。报道称，该框架让智能体联合选择未来子目标与时间跨度，把不同跨度的局部回报与后续价值拼接起来，并定义了具有收缩性质的stitching Bellman operator。在OGBench的10个领域、50个基于状态输入的任务上，该方法与8个基线方法对比，在多阶段机械臂操作任务中表现领先。目前进展停留在方法提出与基准评测阶段，报道未提及后续应用或开源情况。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。