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。本文研究对比强化学习（CRL）应在何种时间尺度上建模动作，将通常基于单步动作的自监督 CRL 扩展为基于动作块（action chunks）的学习，并分析动作序列为何能改善表征与任务表现。主要研究对象是强化学习中的状态、动作与目标表征，并非 EEG 或 BCI 解码。 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，该扩展分别带来 +31.7% 和 +93.1% 的提升。摘要未明确具体指标、跨环境汇总方式及对照实现，因此这些数值只能按原文作为相应评估范围内的相对提升报告，不能解释为 Accuracy 的百分点变化，也不能直接比较离线与在线设置。 机制方面，动作分块的常见解释包括建模非马尔可夫、时间延展的策略，以及传播无偏多步回报。作者认为，这些解释仅部分适用于 CRL；其实证研究提示，相比单个动作，动作块携带更多关于目标的信息，可改善 critic 的表征。这是作者提出并由其摘要所述实验支持的解释，尚不能据此确认具体因果路径。 动作块长度及构造方式、对比目标、训练与推理流程、环境名称、数据划分、信息量与表征质量的测量方式，以及消融和统计信息均尚未验证；不能仅凭标题推断所有实验均采用三步动作块。 平台推测（待验证）：若面向具有连续控制动作与目标反馈的 BCI 强化学习任务，动作序列的目标信息可能具有研究价值，但这不等于连续 EEG 片段可直接充当动作块；当前材料不足以确定具体迁移机制，尚未检索确认已有 EEG 相关工作。