审视我们忽略的事物：在基于上下文的离线元强化学习中驾驭任务表征的转移
原文中文，约400字，阅读约需1分钟。发表于：。通过最大化互信息来提高任务表示能够实现性能的单调改善，其中，RETRO 算法重新调整任务表示偏移，从而在离线元强化学习中取得了 SOTA 的渐近性能、训练稳定性和训练时间消耗的实证结果。
离线元强化学习（OMRL）结合了离线RL和元RL的概念，具有多任务和快速适应的潜力。研究者提出了UNICORN算法，通过实现任务变量和潜在表示之间的相互信息目标，展示了卓越的泛化能力。这一框架有望推动新的优化界限和上下文OMRL算法的研究。
