强化学习

一篇 arXiv 新论文提出 Lighthouse RL，用训练中发现的高质量电路配置作为重置点，引导强化学习更快探索有希望的设计区域。该方法面向模拟电路尺寸优化，强调样本效率、泛化能力和黑盒优化成本控制。

一篇 arXiv 新论文提出，将李雅普诺夫特征指数作为物理信息密集奖励，用于训练强化学习智能体稳定垂直运动下的倒立摆。实验中，智能体不仅找到了经典 Kapitza 摆式的振荡稳定方式，还进一步将支点运动阻尼到严格直立状态。

一篇新提交至 arXiv 的论文提出 TRACE，用冻结参考模型估计状态价值，并把最终答案信号转化为工具调用级别的奖励。它试图缓解长程智能体强化学习中“只看成败”的稀疏奖励问题。

一篇 arXiv 新论文提出 SIVA-RL，用“干预后的实际效果”而不是“干预类型”来指导视觉对齐。该方法旨在减少视觉语言模型答对却未真正看图的情况。

DAGR 试图解决目标条件强化学习中的一个常见盲点：目标编码通常不依赖当前状态，难以提示智能体“还差什么”。论文显示，它在导航任务上带来改进，但在操控和 puzzle 类任务中并未稳定超越基线。