用于递减奖励的状态表征

基于摘要分析。本文研究多任务强化学习中奖励边际效用递减时的策略评估问题，提出 λ representation（λR）状态表征，以刻画奖励价值随任务进程及刺激可用性、主观感受而变化的情形。研究对象是强化学习状态表征及其对自然觅食行为的解释，并非 EEG 解码或 BCI 方法。 传统 successor representation（SR）将给定策略下预期折扣累积状态占用与具体奖励函数解耦，从而支持对不同平稳奖励函数的快速策略评估。本文指出，现实中的连续任务往往并不独立，奖励优先级会发生变化，因此将边际效用递减纳入研究。作者报告，λR 在其研究设定下是策略评估所必需的表征，并可推广 SR 及文献中的若干其他状态表征；这一必要性结论的适用条件仍需查阅全文。 作者称建立了 λR 的形式性质，并考察其在机器学习中的规范性优势及研究自然行为、特别是觅食行为的用途。摘要未提供表征定义、更新规则、奖励递减的具体形式、实验任务、基线或定量结果，实验协议、消融及统计信息尚未验证。目前材料不足以建立其与 EEG/BCI 瓶颈的具体机制对应，不据此提出迁移有效性结论或复现实验建议。