利用极值经验提升强化学习

基于摘要分析。本文研究高维状态表示的复杂马尔可夫决策过程（MDPs）中的强化学习经验收集，提出利用 extremum actions（极值动作）获得经验的技术，旨在提高深度强化学习的样本效率。作者称该方法具有支持高效经验收集的理论依据，并且不增加额外计算成本。 核心机制是改变经验收集方式，而非摘要明确描述的新网络结构。摘要未给出 extremum actions 的数学定义、动作选择规则，以及这些经验如何进入训练流程，因此理论假设、适用的动作空间及与既有探索或经验回放策略的关系尚未验证。“零额外计算成本”也是作者主张，其具体核算范围仍需查阅全文。 作者在具有高维状态表示的 Arcade Learning Environment 中开展实验，并报告在低数据条件下，human normalized median scores（人类归一化得分的中位数）提高了 248%。这一数字是该评估条件下的相对提升，不是准确率或百分点变化；摘要未说明对照基线、游戏集合、交互预算、随机种子及聚合细节，实验协议、消融及统计信息尚未验证。 本文的主要研究对象是强化学习经验收集，而非 EEG 解码或 BCI。摘要未建立极值动作机制与神经信号低信噪比、跨被试差异等问题的具体对应关系，因此不能据此推断 BCI 收益；已有 EEG 相关工作尚未检索确认。复现前需取得完整算法、理论条件及低数据实验配置。