刚读完arXiv上的MOCI论文（2605.06951），感觉这波操作确实有点东西。传统的约束推断方法一直卡在‘同质演示’这个假设上，说白了就是假设所有专家都按同一套规则跑，但现实里不同专家可能目标完全相反——比如一个要安全到达，另一个要快速冲刺，共享约束怎么提？MOCI的解法是搞了个联合推断框架，把共享约束和个体偏好分开建模，用变分贝叶斯做后验推断，实测在Safety Gym和自动驾驶数据集上约束恢复准确率提升了30%以上。

个人经验来看，之前用IRL做机器人避障时，同一个场景下不同操作员的轨迹确实差异很大，硬套单一约束模型经常过拟合。MOCI这种‘共享+个性’的思路更贴近实际，但计算复杂度会不会是瓶颈？论文里提了用稀疏近似优化，但没给具体训练时间对比。

两个问题想和大家讨论：1）如果专家数量多到几十个，MOCI的隐变量空间会不会爆炸？2）共享约束和个体偏好的边界怎么定义才合理？比如‘安全’到底是共享约束还是个体偏好？

从行业角度看，这方法对自动驾驶、机器人协作这类多智能体场景影响很大——毕竟现实中的演示数据大多是‘众包’来的，目标各异。如果MOCI能落地，未来RL从演示中学习安全约束的效率可能会上一个台阶。大家怎么看？