国防科大与清华提出ICRPM风险预测模型

国防科技大学与清华大学研究团队提出ICRPM（In-Context Risk Predictive Model），通过复用最近3个历史批次的任务与风险记录，结合带时间衰减的滑动窗口（衰减系数0.9），在不增加额外rollout或环境交互的前提下，直接预测策略更新后的下一步风险。 该方法在少样本正弦回归、Meta-RL、Domain Randomization（DR）和LLM RLVR四类场景中，实现了对大模型强化学习、元强化学习及鲁棒控制任务的风险预测与选择效果提升，实验表明其在维持原有训练开销的基础上，显著改善了风险排序一致性与困难任务表现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。