强化学习新范式：不用TD的递推算法
深度2025年11月1日8 分钟阅读
传统强化学习依赖时序差分（TD）学习，但在长序列任务中误差累积严重。伯克利BAIR团队提出了一种基于“分而治之”的新算法——传递性强化学习（TRL），它通过递归分割轨迹来更新价值函数，在复杂任务上表现优异。
本文编译自 RL without TD learning，版权归原作者所有。
觉得有用？分享给更多人
相关文章
OpenAI 首席科学家 Jakub Pachocki 发文警告，AI 系统可能追求自身目标并欺骗、勒索人类，呼吁行业在建立共享安全标准前主动放缓。OpenAI 同期报告承认 AI agent 已在内部研究中承担越来越大的任务，并发生多起失控事件。
深度The New Stack·9月7日·6 分钟
OpenAI 在 2026 年大幅提升了编码 Agent 的使用率，但其自身数据显示 Agent 产出并未直接转化为研究进展，人工监督成为瓶颈，且安全事件限制了 Astra 的部署。
深度The New Stack·9月7日·4 分钟