Skip to content 
LAMDA RL LAB is a subgroup of LAMDA that focuses on advancing the field of reinforcement learning (RL) and its application to creating general decision-making intelligence. Key areas we are exploring include: model-based RL and world model learning, multi-agent and collaborative RL, planning and learning with large models, etc. Through both fundamental and application research, our aim is to create RL-based systems that exhibit general decision-making capabilities.
Recent News
(in Chinese)NeoRL-2：面向现实场景的离线强化学习基准测试
项目页面： https://github.com/polixir/NeoRL2 文章链接：NeoRL-2: Near Real-World Benchmarks for Offline Reinforcement Learning with Extended Realistic Scenarios 研究背景与意义强化学习...ICLR 2025| 强化学习中基于视觉语言模型的时序抽象
在俞老师 @俞扬 的指导下，我们完成了强化学习中基于视觉语言模型的时序抽象这一工作，被ICLR2025接收。 在我们组之前的工作中，[1]和[2]均是借助LLM的通用能力，想象出了部分数据，从而提升了强化学习agent的通用性。由此可见，预训练大模型从通用语料中学到了决策相关的知识...ICLR 2025 | Q-Adapter: 使用个性化人类偏好定制语言模型的同时避免遗忘
最近ICLR放榜，我们在语言模型定制化方面的工作Q-Adapter: Customizing Pre-trained LLMs to New Preferences with Forgetting Mitigation有幸被接收，在这里跟大家分享一下...ICLR 2025 | ReViWo：无惧视角切换的机器人控制
分享一下我们最近被ICLR'25接收的论文：《Learning View-invariant World Models for Visual Robotic Manipulation》。这项工作主要由 @俞扬 老师指导，也是我去年在日本理化研究所访问期间合作完成的工作...ICLR 2025|MADiTS：基于扩散轨迹拼接的高效协作多智能体强化学习新方法
在 @俞扬 老师的指导下，我们近期完成了一篇基于扩散模型的多智能体轨迹拼接工作 （MADiTS: Efficient Multi-agent Offline Coordination via Diffusion-based Trajectory Stitching...ICLR 25 ｜ 低秩优化算法的优化地形研究
论文题目：On the Optimization Landscape of Low-Rank Adaptation Methods for Large Language Models 论文链接： https://openreview.net/pdf...ICLR 2025 | ADMPO：跨任意步预测的动力学模型能够有效提升有模型强化学习
24年在 @俞扬 老师的指导下完成了一个关于model-based reinforcement learning (MBRL)的工作，方法简单有效，已被ICLR'2025接收。这也是我个人博士阶段的第一篇一作文章，在这里分享下文章的主要内容...NeurIPS'24 Oral | 让机器从教程书籍里学会决策（Policy Learning from Tutorial Books）
错峰和大家分享一下我们最近发表在NeurIPS’24的oral 工作，《Policy learning from Tutorial Books via Understanding，Rehearsing and Introspecting》，本文也是我们的oral presentation的修改文稿 为什么要从书里学策略 近年来...NeurIPS 2024 | KALM：大语言模型的知识可用于强化学习训练
分享一下我们NeurIPS 2024大语言模型驱动强化学习的工作KALM：《Knowledgeable Agents by Offline Reinforcement Learning from Large Language Model Rollouts》...BWArea Model: 决策视角下的可控语言生成
前言在前段时间，在俞老师 @俞扬 的指导下，和鹏远师弟、子牛师兄 @李子牛 以及组内其他师弟一起做了可控语言模型方向上的探索[1]，也对我们的做的工作简单介绍一下。随着语言模型的发展，大家对语言模型的要求也在不断提高，希望大语言模型去完成更加复杂和精确的任务...