DeepMind 研究员 Ian Osband 提出 horizon loss，统一分类与强化学习

DeepMind 研究员 Ian Osband 发布论文 Planning to Learn（arXiv:2610.03667），提出 horizon loss 这一新型损失函数，将 cross-entropy 按剩余训练预算截断，仅需一行代码即可实现。