#sparse rewards

把决策模型当 RL 的起跑器：智能体第一局就拿到奖励，7 个任务全赢纯 RL，还附了怎么写任务描述的指南。

一篇讲怎么修大模型长程推理的方法论文，用代数稀疏化加双曲空间嵌入两种结构引导，12 个基准、7 个模型家族验证，Andrews-Curtis 问题提升 8 倍，代码已开源。

这篇论文教你用分层SAC解决稀疏奖励的长期任务，比普通SAC成功率更高，代码已开源。

这篇论文把稀疏奖励变密集，让RL学得快。机器人实验证明比原来快很多，实用性强。