新最大熵探索方法：单轨迹多样性升、跨轨迹略降

2026年10月15日发布在arXiv cs.LG的一项研究提出，以未来时间步访问的状态-动作特征折扣分布熵作为内在奖励，用于强化学习中的最大熵探索。作者称，该目标期望和是初始状态轨迹中该特征分布熵的下界，且该分布是某收缩算子的不动点，可离策略估计。 实验显示，新目标常提升单条轨迹内的特征访问多样性，同时加快纯探索智能体的收敛速度，但会略微降低跨轨迹的期望访问；在所用基准上大多数方法的控制性能相近。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。