OpenAI Blog（博客/媒体）60OpenAI提出了一种基于随机神经网络的层次化强化学习框架，通过引入潜在变量来学习不同时间尺度的策略，解决了长期决策任务中的信用分配问题。该方法在复杂导航和机器人控制任务中展示了更好的样本效率和可扩展性。论文reinforcement-learninghierarchical-rlstochastic-neural-networksopenai推荐理由：为RL从业者提供了一种处理长时域依赖的结构化方法，可能影响机器人、游戏AI等领域的策略学习。