每次三步：在对比强化学习中从动作序列学习表征

基于摘要分析。本文研究自监督强化学习应在何种时间尺度上建模动作，将通常使用单步动作的对比强化学习（CRL）扩展到动作块（action chunks），以动作序列参与表征学习。主要贡献不仅是评估动作分块带来的性能变化，还包括探究其在 CRL 中改善学习的机制。 作者报告，在涵盖 18 个环境的离线基准和 11 个环境的在线基准上，相较标准单步动作 CRL，分别获得 +31.7% 和 +93.1% 的增益。摘要未说明具体基准名称、评价指标、聚合方式及增益计算口径，因此这些数字不能解读为成功率或 Accuracy 的百分点提升，也不能直接比较在线与离线设置的效果。 机制方面，作者指出，通常用于解释动作分块收益的两类因素——建模非马尔可夫、时间扩展策略，以及传播无偏多步回报——只能部分解释 CRL 中的现象。作者报告，其实证研究提示，一个动作块比单个动作携带更多关于目标的信息，能够改善 critic 的表征，并提高算法有效性。这是摘要所提出的机制解释，具体信息量度量、表征评估与因果区分尚未验证。 摘要未提供动作块长度设置、损失函数、网络结构、训练预算或代码信息；实验协议、消融及统计信息尚未验证。本文的主要研究对象是通用强化学习中的动作序列表征，并非 EEG 解码或 BCI 控制。当前材料不足以建立具体的 EEG/BCI 迁移机制，不能将上述收益外推为 BCI 性能改善；相关 EEG 工作尚未检索确认。