Berkeley AI Research·· 2025-11-01
不依赖 TD 学习的强化学习：用分治法扩展 off-policy RL
RL without TD learning
AI 导读
伯克利 AI 研究提出一种基于分治（divide and conquer）的 off-policy 强化学习算法，不依赖时序差分（TD）学习，可将 Bellman 递归次数从线性降为对数级，从而扩展到长时程任务。
入选记录
门槛 60官方一手第一次 31第二次 34
未入选两次之和 65 < 门槛的两倍 120
- 信源等级
- 官方一手，这一级的门槛是 60 分
- 预筛
- 通过：强化学习算法研究，属AI技术
评分由模型按同一份标准独立打两次，满分 100；两次之和达到门槛的两倍才入选。门槛按信源等级设定。
来源：Berkeley AI Research · bair.berkeley.edu