SHARV：强化学习中用于表征与价值学习的简单多时间跨度方法

SHARV 研究强化学习中如何利用不同时间跨度的预测信号，提高已采集经验的利用效率，核心贡献是结合独立学习的短期与长期表征，并以 Multi-Start Bootstrapping 改进价值学习。基于摘要分析，尚未取得论文全文。 在表征学习方面，作者指出，短期与长期预测的作用取决于环境的时间特性，穷举式组合预测目标并不总能提高性能。SHARV 将独立学习的短期和长期表征结合，用于支持策略与价值学习；具体预测目标、表征组合方式及训练配置尚未验证。 在价值学习方面，作者分析了不能由首个起点的目标误差确定的内部时序差分（TD）残差分量，据此提出 Multi-Start Bootstrapping，通过多个起点的监督控制这些残差。摘要未给出理论成立条件、监督目标公式及额外计算开销。 作者报告，SHARV 在四个基准套件上，相对于所比较的强基线，均取得最高平均聚合得分；消融支持两个组成部分的贡献，观测到的内部 TD 残差下降也为理论分析提供经验支持。基准名称、得分定义、具体数值、数据划分、随机种子及统计信息尚未验证，不能据此判断各任务的收益或稳定性。 平台推测（待验证）：若 EEG/BCI 任务被建模为具有序列交互与奖励反馈的强化学习问题，多时间跨度表征及多起点价值监督可能值得考察；这不等同于已验证的 EEG 分类改进。复用前需核对轨迹长度、奖励结构与监督需求，改造 EEG 观测编码，并评估低信噪比、跨被试差异及小样本导致的价值估计不稳定。现有材料尚不足以制定具体迁移实验，已有 EEG 相关工作尚未检索确认。