NeurIPS 2026 论文提出永久与瞬态表示的持续强化学习方法

Nishanth Anand 与 Doina Precup 发布一篇 NeurIPS 2026 论文，针对持续强化学习的稳定性-可塑性权衡，在互补学习系统框架中区分两种表征：长期学习用参数化表征，瞬态适应用非参数化表征。 作者提出一种新的非参数化近似来估计瞬态价值函数，称该方法支持在线学习，并在图像任务和 Craftax-Classic 上优于竞争基线（论文 arXiv:2611.07327，已被 NeurIPS 2026 接收）。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。