本研究通过引入基于策略的内在奖励函数，解决了强化学习中的探索问题，提高了探索效率，并提出了一种新的离线最大熵强化学习算法。
本研究通过引入基于策略的内在奖励函数，解决了强化学习中的探索问题。
引入的内在奖励函数增强了探索能力。
研究证明，最大化内在奖励的最佳探索策略也是状态-动作值函数下界的最大化策略。
此方法提升了探索效率。
研究提出了一种新的离线最大熵强化学习算法。
完成下面两步后，将自动完成登录并继续当前操作。
