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 和 Anthropic 在同一天发布了语音功能更新。OpenAI 的 GPT-Live 让 ChatGPT 可以通过语音控制桌面应用、多任务并行处理；Anthropic 则强化了 Claude 的语音模式，支持更长的迭代对话和代码讨论。两家公司分别从任务自动化和深度思考两个方向拓展语音交互的边界。
深度The New Stack·7月23日·4 分钟
Anthropic 升级 Claude 语音模式，支持 Opus、Sonnet、Haiku 三种模型，并可调用外部应用完成实际任务，如改会议、写邮件。同时新增多语言支持，但免费用户仅限 Haiku 模型和单个连接应用。
深度·7月23日·3 分钟