#价值函数

Mila团队的新论文，把持续强化学习的长期记忆和短期适应拆成两套表征，在Craftax-Classic上跑赢了基线，做CRL的可以看看。

这篇论文提出了一个能同时优化任务性能和安全性的贝尔曼算子，解决了安全强化学习中的权衡问题。

这篇论文揭示了高UTD比率下价值函数崩溃的可恢复性，提出了基于早期增长的预警方法，能节省约10%的计算资源。

这篇论文把模仿学习里交互到底帮不帮忙讲清楚了，还给了能跑的OVI算法，做RL或蒸馏的值得看一眼。