ROMI：破解对抗式模型学习「过保守、训不稳」困局，ICLR 2026 论文提出离线强化学习新方法

香港城市大学、腾讯等机构研究者提出离线强化学习新方法 ROMI，通过鲁棒价值感知的模型学习与隐式可微自适应加权双层优化，解决 RAMBO 保守性难控、模型梯度更新易致梯度爆炸的问题。在 D4RL 与 NeoRL 基准上，ROMI 总得分 953.5，较 RAMBO 提升 18.6%，并在多数任务上达到或超越 SOTA。该论文已被 ICLR 2026 接收。