CSPO

深度分析

CSPO：以局部約束敏感度提升安全強化學習效能

安全強化學習常因延遲的拉格朗日更新導致約束違反與震盪。CSPO 引入局部約束敏感度，根據安全邊界的最短有向距離調整修正步伐，加速安全恢復，同時保持原問題的最適解。實驗顯示在導航與機械控制基準上，CSPO 的安全回收速度與獎勵保持度均優於現有方法。