arXiv · Artificial Intelligence· Haomin Luo (University of Cambridge, Models2 AI)·2026-09-30 12:00· 5 小时前AI 评分43

自发现 RL 在经验时代：学习历史是资产还是负担？

Self-discovering RL in the Era of Experience: Is Learning History an Asset or a Burden?

AI 导读

研究对自发现 RL 规则 Disco103 进行首个因果机制审计，围绕经验时代五支柱展开。发现循环历史能将可用奖励尺度扩展至六十年窗口，而解除历史固定后导入状态自然演化可减轻不匹配惩罚。在环境变化下控制回放保留可逆转 DQN 的表观适应优势，验证结果同时移植到第二组规则 OPEN。