刚看完arXiv上这篇关于多目标约束推断（MOCI）的论文，确实眼前一亮。传统逆向强化学习（IRL）和约束推断（CI）大多假设演示来自单一专家或目标一致的群体，这在实际中太理想化了——比如自动驾驶场景里，不同司机的驾驶风格、安全容忍度差异极大，强行用同质假设会导致学到的约束过于泛化甚至冲突。MOCI的核心突破在于能从多个目标各异的专家轨迹中联合提取共享约束与个体偏好，这相当于把IRL的“单一奖励函数恢复”升级成了“共享约束+个体偏好分解”的双层结构。技术上，我猜他们用了变分推断或对抗式训练来分离共享和私有成分，但没细看公式前，我最大的疑问是：这种分解的辨识性（identifiability）如何保证？如果共享约束和个体偏好高度相关，模型会不会学到“伪分解”？另外，计算效率也是个坎——多专家意味着轨迹数量倍增，如果每个专家的偏好还要单独建模，复杂度可能从O(N)飙到O(N*M)，实际部署时能否扛得住？从行业趋势看，这方向确实切中多智能体系统、人机协作的痛点，但离落地还有距离。个人经验是，过去用单专家约束推断做机器人安全对齐时，微调专家演示的分布偏移就够头疼了，MOCI要处理多专家异质性，数据质量和标注成本恐怕更高。想请教大家：在逆强化学习里，你们遇到过类似“共享与私有成分难分离”的问题吗？有没有更轻量的替代方案，比如先聚类再单专家推断？