强化学习中表征驱动的选项发现
基于摘要分析。该材料研究强化学习中不同时间尺度的行动抽象，介绍利用智能体表征发现 options（时间延展的行动过程）的一般框架。核心贡献是将表征学习与选项发现连接为相互促进的循环，而非只把表征作为发现选项的固定输入；原文为报告简介，未取得论文全文。 机制上，智能体先利用自身表征发现有用的 options，再借助这些 options 产生更丰富的交互经验，用于改善表征并继续优化选项。作者认为，这种循环尤其适用于需要在不同抽象层级上行动的任务。不过，简介没有明确表征形式、选项的启动与终止条件、策略学习方法或优化目标，不能据此判断具体算法结构。 材料未提供任务环境、训练规模、对照基线或定量结果，因此作者关于学习更有效的表述目前仅能视为概括性主张。实验协议、消融及统计信息尚未验证；复现前需取得具体算法、经验采集流程及评估设置。 平台推测（待验证）：若 BCI 场景包含可交互、具有反馈且需要多步决策的控制任务，该闭环可能为控制策略的时间抽象提供方法假设，而不是直接改善 EEG 解码。可复用的是表征与选项交替优化的思路，需改造的是神经信号状态表征、反馈定义及安全终止机制；低信噪比、跨被试差异和有限交互数据可能使选项发现不稳定。一个可检验的小实验是在固定 EEG 解码器的离线回放或仿真环境中，对照单步策略与表征驱动的选项策略，并在相同交互预算下比较任务回报和失败率。该实验只能检验控制层假设，不能证明真实 BCI 有效性；已有 EEG 相关工作尚未检索确认。