发表机构
Central South University（中南大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
针对分布外幅度变化导致RL策略退化问题，基于SAC和BAPR提出CS-BAPR家族，结合六种训练稳定化设置与多种算术Actor头（NAU、KAN、MLP）以提升鲁棒性。
AI 中文摘要
强化学习（RL）策略在分布外（OOD）幅度变化下可能性能恶化。从软Actor-Critic（SAC）及其贝叶斯遗忘分段鲁棒（BAPR）前身出发，我们研究了因果符号BAPR（CS-BAPR）家族。该实用方法将六种训练稳定化设置与替代Actor头相结合：带有受神经乘法单元（NMU）启发的二次校正的神经加法单元（NAU）、Kolmogorov-Arnold网络（KAN）、或带修正线性单元（ReLU）或双曲正切激活的多层感知机（MLP）。
英文摘要
Reinforcement learning (RL) policies can deteriorate under out-of-distribution (OOD) magnitude shifts. Starting from soft actor-critic (SAC) and its Bayesian Amnesic Piecewise-Robust (BAPR) predecessor, we study the causal-symbolic BAPR (CS-BAPR) family. The practical method combines six training-stabilization settings with alternative actor heads: a Neural Addition Unit (NAU) with a Neural Multiplication Unit (NMU)-inspired quadratic correction, a Kolmogorov-Arnold Network (KAN), or a multilayer perceptron (MLP) with rectified linear unit (ReLU) or hyperbolic-tangent activations.
