提出 ProgAgent,一种结合进度感知奖励学习与 JAX 原生高吞吐架构的持续强化学习智能体,通过无标签专家视频估计任务进度生成稠密奖励,并引入对抗性回推机制增强分布偏移下的鲁棒性,最终在持续学习和视觉奖励学习基准上显著减少遗忘、提升学习速度并超越多个强基线。
机构:UC San Diego
来源:arXiv 2603.07784 | AI4Papers 论文推荐平台