论文速读记录 | 2025.03

---

目录

• Enhancing Autonomous Vehicle Training with Language Model Integration and Critical Scenario Generation
• On the Role of Discount Factor in Offline Reinforcement Learning
• Few-Shot Preference Learning for Human-in-the-Loop RL
• Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks
• DOPL: Direct Online Preference Learning for Restless Bandits with Preference Feedback
• Data Center Cooling System Optimization Using Offline Reinforcement Learning

---

Enhancing Autonomous Vehicle Training with Language Model Integration and Critical Scenario Generation

• arxiv：
• 来源：随机看到的文章。
• 主要内容：
  • highway + LLM。

On the Role of Discount Factor in Offline Reinforcement Learning

• arxiv：https://arxiv.org/abs/2110.09796
• 来源：师兄的 ICML 2022 文章。
• 主要内容：

Few-Shot Preference Learning for Human-in-the-Loop RL

• arxiv：https://arxiv.org/abs/2212.03363
• 来源：原来读过的文章。
• 主要内容：
  • 这是一篇 CoRL 2022 的 8 页论文，关注传统的 PbRL。

Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

• arxiv：https://arxiv.org/abs/1703.03400
• 来源：这篇工作（MAML）是上一篇 few-shot preference learning 用到的主要技术。（发现 MAML 的三个作者是 Chelsea Finn、Pieter Abbeel 和 Sergey Levine，好家伙…）
• 主要内容：

DOPL: Direct Online Preference Learning for Restless Bandits with Preference Feedback

• open review：https://openreview.net/forum?id=2iYVBqRHK4
• 来源：合作者推荐的文章。
• 主要内容：
  • preference-based index policy（？）

Data Center Cooling System Optimization Using Offline Reinforcement Learning

• arxiv：https://arxiv.org/pdf/2501.15085
• 来源：xianyuan zhan 组的新文章。
• 主要内容：
  • T-symmetry。