Imperial College London（帝国理工学院）

WarpSAC: Towards the Pinnacle of Scalable Off-policy RL by Rethinking Exploration and Exploitation

WarpSAC：通过重新思考探索与利用，迈向可拓展离线强化学习的顶峰

Zihao Wu, Hongyao Tang, Yi Ma, Huizhong Song, Pengyi Li, Yifu Yuan, Fei Ni, Jinyi Liu, Wei Wei, Jianrong Wang, Yan Zheng, Jianye Hao

机构 * Tianjin University（天津大学） ； Shanxi University（山西大学） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 该研究针对大规模并行模拟下离线RL的数据 regime 变化问题，提出具 regime 感知的WarpSAC算法家族，适配不同数据规模场景，在多基准任务及现实部署上较FlashSAC实现显著性能提升。