arXiv· arXiv:2609.34426· Shengchao Hu·2026-09-28 14:43· 4 天前

Q-learning Penalized Transformer（QPT）：面向安全离线强化学习的训练-推理一致框架

Q-learning Penalized Transformer for Safe Offline Reinforcement Learning

AI 导读

研究者提出 Q-learning Penalized Transformer（QPT），一种训练-推理一致的框架，将条件序列建模与约束感知的价值估计结合，用于安全离线强化学习。