Berkeley AI Research：一种不依赖 TD learning 的强化学习算法——分而治之

Berkeley AI Research 介绍了一种基于“分而治之”的 off-policy RL 价值学习算法，替代 TD learning。传统 TD learning 的 Bellman 递归会使误差随长 horizon 累积，TD-n 只能按常数因子减少递归次数，而分而治之可将递归次数按对数级降低，且无需调超参数 n。