强化学习 · 2021 · Decision Transformer
Decision Transformer: Reinforcement Learning via Sequence Modeling
Lili Chen et al.
将离线决策建模为受目标回报条件控制的序列生成。
离线强化学习序列建模Return-to-go
复现空间 · 建议计划
进阶 · 小规模训练 · 编辑建议，尚未实测
最小实验目标
在一个离线任务上比较不同目标回报和上下文长度。
数据集 / 环境
D4RL 对应任务数据；核对可用镜像与环境版本。
评估项
- Normalized Score
- 实际回报
- 目标回报敏感性
边界与常见偏差
归一化常数必须匹配任务版本；只看行为克隆损失不能判断闭环性能。
实验验收协议
- 阅读原文，选定要对齐的具体表格、模型变体与数据划分；把缩小规模或替换组件单独列出。
- 核对作者资源的许可与依赖，锁定代码 commit、权重版本、硬件、随机种子和完整运行命令。
- 先完成数据与推理检查，再执行约定的实验；记录多次运行结果、资源消耗和失败案例。
- 提交可核验的代码、配置、日志与报告。原论文数值须注明表格和协议，当前指标必须附实际运行证据。
实验记录
- 原论文对齐目标
- 待认领后选定具体表格与评估条件
- 社区复现指标
- 暂无已验证结果
暂无实验日志与复现报告。收录此论文不表示社区已完成训练或评估；后续记录通过仓库 Issue 和 Pull Request 补充。