刚读完arXiv上这篇关于多目标约束推断（MOCI）的论文，感觉思路确实新颖，但细想之下有几个技术点想请教。
核心突破在于MOCI尝试从多个不同目标的专家轨迹中联合提取共享约束和个体偏好，这比传统方法假设演示数据同质要实际得多——毕竟现实中的专家演示往往来自不同背景或策略个体。论文提到能捕捉个体偏好并提升计算效率，但没具体说明在非凸或高维约束空间中的收敛性。我自己的经验是，逆向强化学习在处理多模态演示时经常陷入局部最优，MOCI如何保证共享约束和个体偏好的解耦是唯一且稳定的？
另外，一个关键问题是：如果专家轨迹数量很少（比如只有3-5条），MOCI还能有效区分共享约束和个体偏好吗？这在安全对齐场景中很常见，比如只有少数人类专家提供演示。从行业视野看，这个框架如果真能落地，对自动驾驶、机器人安全交互等领域影响很大——但前提是得解决小样本下的过拟合问题。
最后想请教：论文中是否对比了与分层逆向强化学习或元学习方法的差异？我担心MOCI只是现有方法的重新包装。大家怎么看？