Time-Myopic Go-Explore：为 Go-Explore 范式学习状态表示

基于摘要分析。该研究针对大规模状态空间与稀疏奖励下的强化学习探索困难，提出 time-myopic 状态表示，并将其用于 Go-Explore，以学习得到的表示替代依赖领域设计的手工状态表示启发式。 核心机制是将时间上邻近的状态聚合，同时提供状态间的时间预测能力，使原始观测具有可用于组织探索的结构。摘要未说明时间预测的具体目标、表示网络、损失函数或训练流程，不能据此推断其实现形式。 作者报告，该表示能够可靠估计新颖性，并改善 Go-Explore 探索阶段的 detachment 问题。作者还报告了支持状态空间覆盖的证据，称其覆盖涉及所有可能的时间轨迹，且不会在 cell archive（状态单元档案）中产生不利的冲突重叠；这些表述的操作性定义、覆盖范围及验证方式仍需查阅全文。 评估对象为 Atari 中的 MontezumaRevenge、Gravitar 和 Frostbite。作者报告，time-myopic Go-Explore 是领域工程化启发式的有效替代方案，并具有更强的通用性。摘要未提供具体分数、训练预算、随机种子、统计不确定性或逐项对照结果，因此无法量化改进幅度；实验协议、消融及统计信息尚未验证。 摘要称方法源码已在 GitHub 提供，但当前材料未给出仓库地址，代码可用性及复现条件尚未核验。本研究的主要对象是强化学习探索，不是 EEG 表征或 BCI 解码；当前材料不足以建立具体的 BCI 迁移机制，不能将 Atari 探索结果视为 BCI 有效性的证据。已有 EEG 相关工作尚未检索确认。