NFTR: Da Média de Modos Comprovável à Seleção Geodésica de Subobjetivos em RL Offline Condicionado a Objetivos

arXiv:2607.07855v1 Tipo de Anúncio: novo Resumo: O Hierarchical Implicit Q-Learning (HIQL), um método de RL offline condicionado a objetivos, seleciona subobjetivos apenas pelas vantagens da função de valor. Essa regra tem dois modos de falha acoplados. O viés otimista trata resultados estocásticos afortunados como escolhas habilidosas, e o colapso de modos reduz uma distribuição multimodal de subobjetivos a uma única média gaussiana que frequentemente cai em regiões inalcançáveis. Propomos o NFTR (políticas de subobjetivos com Normalizing Flows com Reponderação por Folga Triangular...