arXiv cs.AI· Haomin Luo (University of Cambridge, Models2 AI)·· 2026-09-30AI 评分40
经验时代的自我发现强化学习：学习历史是资产还是负担？
Self-discovering RL in the Era of Experience: Is Learning History an Asset or a Burden?
AI 导读
研究人员针对超越 PPO 的自我发现强化学习规则 Disco103 展开首个因果机制审计，探究循环学习历史在交互中究竟是资产还是负担。审计表明循环历史能将可用奖励尺度从 3 个数量级扩展至 6 个数量级，且不匹配历史的负面影响可通过让状态自然演化来缓解。此外，在环境变化下控制回放保留会逆转其相较 DQN 的适应优势。
来源：arXiv cs.AI · arxiv.org