论文提出强化学习“奖励膨胀”训练方法
Get the story
2026年10月5日，arXiv 平台 Machine Learning Theory 栏目发布论文（一手来源），提出“奖励膨胀”（reward inflation）概念，即在强化学习训练过程中逐步放大奖励幅度，作为一种健康的训练刺激。论文称，该方法理论上会在策略更新中引入隐式近因加权、加速适应，并在策略饱和时维持梯度信号、抑制休眠神经元、保持可塑性。实验在 ALE 游戏与 MuJoCo 任务上进行，结果显示适当的奖励膨胀对广泛任务有益；论文还提出自适应变体 Fed，可动态调节膨胀水平，通常优于固定膨胀。目前报道仅涉及该论文内容，未见后续验证或讨论。
Generated from reports · updated 15 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Machine Learning Theory奖励膨胀：强化学习的健康刺激
论文提出奖励膨胀（reward inflation），即在强化学习训练过程中逐步放大奖励幅度，作为一种健康的训练刺激。理论上它会在策略更新中引入隐式近因加权、加速适应，并在策略饱和时维持梯度信号、抑制休眠神经元、保持可塑性。在 ALE 游戏与 MuJoCo 任务上的实验显示，适当的奖励膨胀对广泛任务有益；自适应变体 Fed 可动态调节膨胀水平，通常优于固定膨胀。
Heat trend
Current heat 6·Comparable peak 10（Oct 5）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.