QSO：兼顾控制信息与经验聚合的HRL新方法

QSO 是一种面向分层强化学习（HRL）的新方法，目标是保留控制所需的信息，同时支持经验聚合，以解决现有 HRL 算法在信用分配（credit assignment）与可迁移性之间脱节的问题。报道展示了迷宫环境中的可视化对比：QSO 学到的 option 按动作方向聚成清晰簇，经白化处理的 option 距离矩阵呈规整块状结构；作为对照，HIQL、OPAL、SHARSA/DSHARSA/ASO 等基线的 option 分布混杂、区分度较弱。目前披露的内容集中在方法动机与迷宫环境下的 option 结构可视化，报道未涉及该环境之外的量化结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。