深度强化学习中由状态新颖性引导的动作持续

基于摘要分析。本文研究深度强化学习的采样效率问题，提出由状态新颖性引导的动作持续方法，根据状态空间的当前探索状况动态调整动作重复，以改善探索与利用之间的平衡。 动作持续指在多个时间步重复执行同一动作。摘要将既有方法概括为采用固定重复策略，或额外学习用于选择重复次数的价值函数或策略。本文的区别在于依据探索状况调整动作持续，并对重复概率进行平滑调度，而不需要额外训练价值函数或策略。作者称，该机制可以整合到多种基础探索策略中，为其引入时间上的持续性；但摘要未给出状态新颖性的具体定义、估计方式及概率调度公式。 作者报告，在不同 DMControl 任务上的实验表明，该方法显著提高了采样效率。摘要未提供具体任务、对照基线、交互预算、效果数值或显著性检验细节，实验协议、消融及统计信息尚未验证，因此无法据此量化收益或判断适用边界。 原论文的研究对象是强化学习中的探索策略与动作重复，而非 EEG 信号建模或 BCI 临床验证。材料没有提供神经信号或 BCI 实验，不能将 DMControl 上的结果视为 BCI 有效性证据；已有 EEG 相关工作尚未检索确认。