AL Muqshith Mohammed Shifan

在 Crafter 生存环境中，固定奖励训练出的深度强化学习智能体只会按一种风格行动，而按人格分别训练又要在部署时合并多个智能体。RIDGE 用随游戏状态平滑变化的权重混合四种人格奖励，并为每个人格保留一个价值头，使单个 PPO 智能体在一局内切换玩法。四种人格条件下，一个 RIDGE 智能体同时解锁木镐与木剑，而工匠与战士基线各自只擅长其中一支；锐度消融显示状态条件化本身带来增益。

在 Crafter 生存环境中，固定奖励训练出的深度强化学习智能体只会按一种风格行动，而按人格分别训练又要在部署时合并多个智能体。RIDGE 用随游戏状态平滑变化的权重混合四种人格奖励，并为每个人格保留一个价值头，使单个 PPO 智能体在一局内切换玩法。四种人格条件下，一个 RIDGE 智能体同时解锁木镐与木剑，而工匠与战士基线各自只擅长其中一支；锐度消融显示状态条件化本身带来增益。