看到这篇多目标约束推断（MOCI）的论文，我第一反应是：终于有人对‘专家同质化’这个隐含假设动手了。传统逆向强化学习（IRL）或约束推断方法，基本都假设演示数据来自单一专家或目标完全一致的群体，这在实践中太理想化了——比如自动驾驶场景，不同司机的驾驶风格、安全偏好差异巨大，强行拟合只会学到‘平均化’的保守策略，甚至忽略关键的安全边界。

MOCI的核心贡献在于从多专家轨迹中联合提取共享约束与个体偏好。技术上，它可能采用了分层贝叶斯或对比学习思路，通过隐变量建模区分‘公共规则’（如交通法规）和‘个人倾向’（如变道激进程度）。但我的疑惑是：当专家数量增多时，约束与偏好的解耦是否会出现退化？比如某些个体偏好可能被误判为共享约束，导致安全边界泛化不足。

个人经验上，我之前尝试过用IRL训练机器人操作策略，单一专家的演示数据量稍大时，模型就会过拟合到特定轨迹模式，更别提多源数据了。MOCI若真能稳定处理多目标场景，对RL在复杂系统中的应用（如人机协作、医疗决策）会是巨大推动。

想请教：这种联合推断框架是否依赖专家数量的先验？另外，论文有没有讨论约束冲突时的优先级处理？比如共享约束要求‘限速’，但个体偏好‘赶时间’——最终策略会如何权衡？期待讨论。