面向持续强化学习的分解式对比评价器

基于摘要分析。本文研究稀疏任务完成反馈下的持续强化学习，主要对象是连续到来的目标条件操控任务，而非 EEG 或 BCI。作者提出 Decomposed Contrastive Critics（DCC），通过分解对比评价器，尝试保留可复用的目标到达知识，同时允许任务特定的动作偏好随任务变化而调整。 核心机制是将评价器分为持久保留的共享状态—动作表征，以及在每个任务边界重新初始化的任务特定表征。DCC 还结合成功经验回放缓冲区和动作敏感的评价器门控：当评价器无法区分不同动作时，触发针对性的策略监督。摘要未给出具体损失、表征组合方式、门控判据或监督信号的实现细节，这些内容尚未验证。 在包含十个任务的 Continual World V2 Sawyer 序列上，作者报告：相较于九种对比学习迁移基线和两种稀疏目标条件 SAC 基线，DCC 在持续适应与任务成功方面取得较大提升，并成功完成该课程中的全部十项操控任务。摘要未提供具体成功率、适应指标、重复运行次数或不确定性，因此不能进一步量化提升幅度，也不能将“全部任务成功”解释为每次评估均达到完全成功。 复现时需核对任务边界的提供方式、成功经验回放的跨任务保留规则、策略监督的触发与数据来源，以及共享表征和任务特定表征各自的贡献；完整实验协议、消融及统计信息尚未验证。本文证据限于机器人操控中的持续强化学习，不能据此认定其对 EEG 解码或 BCI 控制有效，相关 EEG 工作尚未检索确认。