面向隐式世界模型强化学习的密度引导自举边界

研究者提出面向隐式世界模型强化学习的密度引导自举边界，利用相对密度代理动态调整想象回报深度，以缓解复合模型误差。该方法提供硬边界与软边界门控机制，基于 Dreamer V3 实例化并证明了其门控 Bellman 算子的严格收缩性。在连续控制任务与 Atari Pong 上的实验显示，该机制显著提升了样本效率与后期训练表现。