斯坦福 NLP 推出 DISCO,面向连续动作空间的蒸馏树搜索方法
斯坦福 NLP 团队提出了名叫 DISCO 的全新算法,也就是连续动作空间上的蒸馏树搜索,它把知识蒸馏和树搜索结合在一起,专门用来解决连续动作空间不好做搜索的难题,相比传统方法,它不用暴力遍历海量连续取值,搜索效率更高,输出动作质量也更好,不管是机器人控制、大模型动作规划还是连续决策任务都能用得上。普通树搜索本来更适合离散选项,动作只有有限几个的时候很好用,但一旦碰到连续动作,比如机械臂角度、速度这类有无穷多取值的场景,直接挨个试根本不现实;之前不少方案要么粗暴离散化,会丢掉最优解,要么依赖单纯的模型采样,稳定性差,而 DISCO 的思路就是利用蒸馏,让模型学会引导树搜索,在连续空间里面高效找到优质动作。
DISCO 的核心设计
- 蒸馏引导策略网络
- 连续空间分层树搜索
- 价值回溯更新
- 适配多种基础模型
通过知识蒸馏,训练一个引导网络,用来判断哪些连续动作区域更有潜力,把搜索资源优先放在高价值区间。
不再把动作切成固定离散格子,采用分层细分,先锁定大致范围,再慢慢精细搜索。
沿着搜索树把评估结果回传,不断修正引导网络,让它越来越擅长挑出好的连续动作。
可以对接已有的策略模型,不需要从零重训整套决策框架。
DISCO 的完整运行步骤
- 准备教师模型:选用效果更强的教师模型,提供连续动作样本和价值信号。
- 蒸馏训练引导网络:用教师模型的数据做蒸馏,让引导网络学会预估连续动作的好坏。
- 启动根节点搜索:把整个连续动作空间作为树的根节点。
- 分支细分采样:在引导网络推荐的高潜力区域做分层划分,生成子分支。
- 评估与剪枝:评估各个分支预期收益,把明显很差的分支直接剪掉,节省算力。
- 价值回溯:把子节点评估结果向上回溯,更新每个区间的预估价值。
- 输出最终动作:反复细分评估,直到达到预设精度,选出最优连续动作。
这套方式避开了连续动作空间离散化带来的缺陷,让树搜索这个成熟手段顺利用到连续决策任务上。在团队的实验里,DISCO 在机器人连续控制、序列连续规划任务上,比传统采样、离散树搜索拿到更高回报,也证明蒸馏树搜索在连续动作空间具备很强竞争力。
【相关 FAQ】
问题 1:斯坦福 NLP 提出的 DISCO,和普通树搜索最大区别是什么?
回答 1:普通树搜索大多适合离散动作,DISCO 是连续动作空间上的蒸馏树搜索,依靠蒸馏得到的引导网络指引搜索,不用强行把连续动作切成离散选项。
问题 2:DISCO 这套连续动作空间上的蒸馏树搜索,一定要搭配 NLP 任务才能使用吗?
回答 2:不是,虽然是斯坦福 NLP 团队提出,但 DISCO 这套连续动作空间上的蒸馏树搜索,同样适用于机器人连续控制等其他连续决策场景。
问题 3:DISCO 的蒸馏环节在连续动作空间上的蒸馏树搜索里面起到什么作用?
回答 3:蒸馏用来训练引导网络,给树搜索指明更值得探索的连续动作区域,减少无效采样,提升整套蒸馏树搜索在连续动作空间的搜索速度。
问题 4:使用 DISCO 做连续动作空间上的蒸馏树搜索,会不会一定找到全局最优动作?
回答 4:不一定,DISCO 依靠引导做启发式搜索,可以大幅提升找到高质量动作的概率,但属于启发算法,不能保证每次在连续动作空间的蒸馏树搜索都搜到全局最优。
【参考资料】
[2026-11-05](斯坦福 NLP 提出 DISCO:连续动作空间上的蒸馏树搜索)机器之心
[2026-11-03](DISCO:Distilled Tree Search for Continuous Action Spaces)arXiv
[2026-11-02](斯坦福新工作 DISCO,打通连续空间与树搜索)AI 科技评论
【免责声明】
本文仅为公开论文资讯整理,DISCO 的实际性能、复现难度、开源情况以斯坦福 NLP 团队官方论文与代码仓库为准;在不同连续动作任务上最终效果会随环境、模型配置发生变化。
相关阅读
-
平面模特主要是为电商画册杂志海报产品宣传等静态影像拍摄服务,和走秀的 T 台模特不一样,平面模特对身高没...浏览全文>>
-
核心答案是 salad 包包官方并没有强制统一的官方中文译名 日常圈内大多直接称呼英文原名 salad 也有爱好...浏览全文>>
-
螃蟹需要蒸多久能熟,核心是等蒸锅上汽之后再开始计时,普通三两左右的螃蟹大火蒸 12 分钟就可以熟透,个头...浏览全文>>
-
S925 银严格来说不属于高纯度纯银,它是银含量为千分之九百二十五也就是 92 5% 的银合金,剩余 7 5% 是...浏览全文>>
-
网传秦始皇儿子的脸被复原这件事,准确说法是西北大学团队对秦陵上焦村陪葬墓里一具男性遗骸做了颅面复原,专...浏览全文>>
-
存储芯片新一轮涨价已经启动,这次涨价不是所有存储芯片一起涨,是结构性上涨,核心是 AI 服务器持续抢存储...浏览全文>>
-
传统笔记本电脑几十年基本都是屏幕加键盘的翻盖形态,变化大多只在厚度、尺寸、性能上面,而华为 MateBook F...浏览全文>>
-
糯米八宝饭最简单做法核心就是提前泡糯米,蒸好之后拌糖和油脂,碗底摆果料,填入糯米饭,复蒸定型,倒扣出来...浏览全文>>
-
DeepSeek Harness 简称 DSH,是 DeepSeek 开源、基于 Cordis 内核的插件化 Agent 运行框架,按照这套流程,5 分钟就能完成顶配工 浏览全文>>
-
S18 赛季庄周核心特点是大招群体解控减伤,既可以走游走辅助位,也可以走对抗路,这套 s18 庄周铭文出装主...浏览全文>>
- 存储芯片新一轮涨价行情解读
- iPhone20 Pro 全面大调整,沿用 20 年苹果物理按键将换成固态按键
- Win11 11 月补丁自动开启内存完整性,游戏最高掉帧 10%
- 两万多触屏 MacBook Pro 让首批用户出现头晕不适
- 显存成本高涨,NVIDIA 旗舰游戏显卡 RTX5090 传出停产下架消息
- 男女面基是什么意思 网络社交见面术语详解
- GTA6 无法跑到 60 帧瓶颈不在光追,AMD Zen2 架构已经落后
- 两名外籍乘客高铁车厢门口吸烟引发热议,12306 客服称属于个人素质问题无法阻止
- 张颂文《谷雨》剧中向李小冉喊妈妈,剧情观感神似《狂飙》认干爹桥段
- 蘑菇炒鸡蛋的家常做法 快手下饭教程
- 我国团队研发生发电梳子,小鼠实验毛发恢复近 100%
- rgb 怎么调白色 色值调节详解
- 麻油猪肝的做法有哪些 经典滋补详细教程
- 探岳 L 钢筋铁骨车顶承压 20 吨测试介绍
- 近 20 元一包康师傅潮卤牛三宝牛肉面引发热议,康师傅作出回应
- Reset 键在键盘的哪个部位 按键位置与替代操作详解
- reliable 词典解释 单词深度精讲
- 玛莎拉蒂迪拜打造专属住宅岛,无桥梁连通,出行依靠游艇接驳
- 蔚来 ES9 交付突破 4 万台,连续 5 个月拿下 50 万级纯电销量第一解读
- 国产 RISC-V 汽车芯片出货突破 4000 万颗对标英飞凌
